AdaptiveDiffusion 是模型训练领域的开源项目，由 InternScience 开发，2024 年首次发布。
它收录于模型训练分类，该分类目前共有 522 个项目，GitHub 星标数为 74。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-04。Apache-2.0许可证，完全免费，可自行部署使用。
它主要面向的使用场景是：在低算力设备上实时生成图像。同类可对比的替代方案包括 DeepCache、BK-SDM、LCM-LoRA。
AdaptiveDiffusion
不重训直接加速扩散模型，生成更快更省算力
AdaptiveDiffusion 是一个无需训练的扩散模型加速推理方案，发表于 NeurIPS 2024。它针对 Stable Diffusion 等扩散模型在推理时计算开销大的问题，提出了一种有界差分近似策略，能够在生成过程中动态调整去噪步数，在保证图像质量的同时显著减少计算量。核心能力包括：自适应地跳过冗余的扩散步骤、与现有预训练模型无缝集成、无需重新训练即可直接加速。项目提供简洁的 Python 接口，支持主流扩散模型，适合在资源受限或对实时性有要求的场景下部署。
开源
free
图像生成
GitHub 星标
★ 74
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类图像生成
开发团队InternScience
所属国家
定价模式free
价格说明开源项目，Apache-2.0许可证，完全免费，可自行部署使用。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型adaptive-inference,diffusion-models,efficient-inference,model-acceleration,stable-diffusion,training-free
GitHub 星标★ 74
30天Star增速
HF 下载量
上线时间2024-10-11 00:00:00
最近更新2026-09-04 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数2
使用教程
核心亮点
- 无需训练即可适配现有 Stable Diffusion 模型，部署成本低
- 有界差分策略在加速同时保持生成质量，理论有保障
- 支持动态调整推理步数，灵活平衡速度与效果
不足之处
- 文档/社区待观察
- 仅支持特定扩散模型架构，通用性有限
适用场景
- 在低算力设备上实时生成图像
- 批量图像生成任务中降低推理成本
- 对延迟敏感的交互式创作工具
替代项目
DeepCache、BK-SDM、LCM-LoRA
项目介绍
上一篇：lora-pilot
同类项目推荐
Long-RL
开源
让强化学习轻松驾驭超长序列，训练更稳更快
Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)
TPA
开源
把注意力复杂度从平方降到线性，长序列不再卡顿
[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···
minimind
开源
两小时造出你的小模型，练手入门不求人
Train a 64M-parameter LLM from scratch in just 2h!
pruna
开源
一键优化 AI 模型，推理提速又省资源。
Pruna is a model optimization framework built for developers, enabling you to delive···