DeepCache

免训练加速扩散模型,生成速度翻倍,画质不掉线。

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 图像生成 🍴 复刻 51 🐛 待处理 46 👀 关注 12
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 965
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源项目,Apache-2.0 许可证,完全免费,无付费版本。

项目预览

DeepCache 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类图像生成
开发团队horseee
定价模式🏷️完全免费
价格说明开源项目,Apache-2.0 许可证,完全免费,无付费版本。
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型diffusion-models,efficient-inference,model-compression,stable-diffusion,training-free
GitHub 星标★ 965
上线时间2023-12-01 00:00:00
代码更新2024-06-27
仓库体积105.0 MB
本站数据更新2026-11-09
维护状态低维护
收录时间2026-08-09
浏览次数4

项目介绍

DeepCache 是一个针对扩散模型(Diffusion Models)的免训练加速方案,核心思想是利用扩散模型去噪过程中相邻步骤间特征的高度相似性,通过缓存并复用中间层的特征图,跳过冗余计算,从而显著减少推理时间。它无需重新训练或微调,即可直接应用于现有 Stable Diffusion 等模型,实现 2-3 倍的加速,同时保持生成图像质量几乎不变。该项目提供了简洁的 API 和示例代码,支持与主流扩散模型库集成,适合需要快速部署高效图像生成服务的开发者。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 965

使用教程

ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。

难度:进阶 约 25 分钟 部署方式:本地 (Py/CUDA) 4 步

环境要求

  • Python 3.8+
  • NVIDIA GPU(建议 8GB+ 显存)

安装与启动步骤

  1. 1装库

    以 pip 方式安装,作为 diffusers 的加速封装使用。

    pip install DeepCache
  2. 2对齐 diffusers 版本

    官方示例基于 diffusers 0.24.0 与配套 transformers。

    pip install diffusers==0.24.0 transformers
  3. 3跑 SDXL 示例

    直接指定基座模型即可对比加速前后耗时。

    python stable_diffusion_xl.py --model stabilityai/stable-diffusion-xl-base-1.0
  4. 4跑 SD1.5 示例

    也可换 2.1 或视频扩散模型验证。

    python stable_diffusion.py --model runwayml/stable-diffusion-v1-5

如何确认成功

同一 prompt 下生成结果与基线接近,单张耗时明显下降(官方称约 2.3x)。

常见问题

Q:报 diffusers 版本不兼容?

A:严格按示例装 0.24.0,再运行对应脚本。

注意事项

  • main.py 支持 sdxl / sd1.5 / sd2.1 / svd / inpaint 等多种 model_type。
  • 加速会牺牲少量画质,对细节敏感的任务建议先小范围对比。

核心亮点

  • 无需训练或微调,即插即用,大幅降低使用门槛
  • 推理速度提升 2-3 倍,显著降低计算成本
  • 保持生成质量,与原始模型输出几乎无差异

不足之处

  • 加速效果依赖模型结构,对某些架构可能不理想
  • 文档和社区支持尚不完善,需自行探索集成细节

适用场景

  • 实时图像生成应用,如交互式创作工具
  • 大规模图像生成服务,降低 GPU 资源消耗
  • 边缘设备或低算力环境下的扩散模型部署

替代项目

Stable Diffusion WebUI (内置加速优化)、TensorRT (NVIDIA 推理加速)、ONNX Runtime (跨平台推理优化)

上一篇:biniou

下一篇:seait

同类项目推荐

aisimulate 开源

不占 GPU 也能预测大模型服务性能并搜配置

AISimulate predicts LLM serving behavior and searches for strong deployment configur···

★ 123 2026-11-07
pai 开源

管好 GPU 集群,让 AI 训练快人一步

Resource scheduling and cluster management for AI

★ 2697 2026-08-16
statewave 开源

给AI智能体装上可追溯的长期记忆,告别查询式检索

Open-source memory runtime for AI agents — reproducible, provenance-tagged context ···

★ 257 2026-08-09
sglang 开源

让大模型服务更快更省,复杂提示词场景吞吐翻倍

SGLang is a high-performance serving framework for large language models and multimo···

★ 38587 2026-08-09
grps_trtllm 开源

用 C++ 榨干 GPU,OpenAI 服务比 vLLM 更快

Higher performance OpenAI LLM service than vLLM serve: A pure C++ high-performance O···

★ 161 2026-08-09
context-keeper 开源

给大模型装上持久记忆,告别上下文丢失

LLM-Driven Intelligent Memory & Context Management System (AI记忆管理与智能上下文感···

★ 156 2026-08-09
opentraces 开源

给 AI Agent 装上黑匣子,完整记录每一步操作,调试审计不再抓瞎。

A local-first evidence layer for agent work, capturing what the agent sees, does, an···

★ 103 2026-08-09
kronk 开源

Go 项目一键接入本地大模型、语音和图像生成

Go With Your Own Intelligence! Use Go for hardware accelerated local inference with ···

★ 864 2026-09-23
redis-llm 开源

用 Redis 给 LLM 装个长期记忆,轻松访问私有数据

redis-llm integrates LLM with Redis. It can help LLM to access private data, and rem···

★ 63 2026-08-09