dpm-solver
10步内完成扩散模型采样，图像生成提速数倍
项目预览
项目数据
项目介绍
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 ★ 1860
使用教程
⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。
⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。
环境要求
- Python 环境（项目为 Python 实现）
- PyTorch 及相关扩散模型运行环境
- Git（用于克隆官方仓库）
- 一个可用的扩散模型（如 Guided-Diffusion、Stable-Diffusion 等）
安装与启动步骤
-
1克隆官方仓库
从 GitHub 拉取 DPM-Solver 官方代码仓库到本地，这是后续所有操作的基础。
git clone https://github.com/LuChengTHU/dpm-solver.git -
2进入项目目录
切换到刚克隆下来的仓库目录，后续按仓库内说明安装依赖、运行脚本。
cd dpm-solver -
3按仓库说明安装依赖
本次 README 节选未给出任何 pip/conda 安装命令与依赖清单，请打开仓库内完整 README 按其实际说明安装，勿臆测包名。
-
4接入 Diffusers 使用
README 明确有“Use the SOTA Multistep DPM-Solver++ with Diffusers”章节，说明可直接在 Diffusers 中使用 DPM-Solver++，具体调用代码见该章节（节选被截断）。
-
5直接用于采样
DPM-Solver 是免训练的快速 ODE 求解器，可直接替换现有扩散模型的采样器，无需重新训练模型。
如何确认成功
README 未提供启动成功判定方式；运行仓库示例后若能以约 10~20 次函数评估生成高质量样本即为生效。
常见问题
Q：需要重新训练模型吗？
A：不需要。README 明确说明 DPM-Solver 适用于离散时间和连续时间扩散模型，且无需任何额外训练。
Q：采样需要多少步？
A：README 给出的实验结果是仅需约 10~20 次函数评估（function evaluations）即可在多个数据集上生成高质量样本。
Q：支持哪些模型？
A：README 展示了与 Guided-Diffusion、Stable-Diffusion、DiffEdit 的配合效果，并提供了在 Diffusers 中使用 DPM-Solver++ 的章节。
Q：为什么没有安装命令？
A：本次提供的 README 节选未包含安装与依赖说明，为避免编造包名和参数，仅给出可确认的仓库克隆步骤。
注意事项
- README 节选未给出安装命令、依赖列表、端口或路径，因此步骤中未提供这些内容，请以仓库完整 README 为准。
- DPM-Solver 是扩散模型采样求解器/代码库，不是可独立启动的应用或服务，需配合扩散模型代码使用。
- README 中的示例图涉及 Guided-Diffusion、Stable-Diffusion、DiffEdit 与 Diffusers，具体接入代码需查阅对应章节。
核心亮点
- 采样步数从数百降至10步左右，速度提升可达20倍以上
- 官方实现，算法经过严格理论验证，生成质量与原始模型相当
- 支持Stable Diffusion等主流模型，API简洁易集成
不足之处
- 对非连续时间步长或特定噪声调度可能需调参，开箱即用性一般
- 文档偏学术，缺少面向初学者的快速上手教程
- 项目更新频率较低，社区活跃度一般
适用场景
- 实时或交互式图像生成，如AI绘画工具、设计辅助
- 大规模批量生成场景，降低算力成本
- 移动端或边缘设备上的扩散模型推理
替代项目
DDIM、UniPC、DPM-Solver++
上一篇：lora-scripts
下一篇：TinyEngram
同类项目推荐
halo
开源
一套框架搞定 LLM 与多模态的微调和强化学习训练
Halo is an open-source framework built by White Circle for training large language a···
trainer
开源
在 Kubernetes 上轻松跑起分布式模型训练和微调
Distributed AI Model Training and LLM Fine-Tuning on Kubernetes
DDSM
开源
让扩散模型训练更快更省，按步骤智能分配学习资源
Denoising Diffusion Step-aware Models (ICLR2024)
mantis
开源
轻量级时间序列分类基础模型，小样本也能精准分类
Mantis: Lightweight Foundation Model for Time Series Classification
EasyR1
开源
多模态强化学习训练，高效扩展不卡壳
EasyR1: An Efficient, Scalable, Multi-Modality RL Training Framework based on veRL
gpu-recipes
开源
在 GCP 上按配方跑通大模型训练与推理基准
Recipes for reproducing training and serving benchmarks for large machine learning m···
amazon-sagemaker-examples
开源
照着跑一遍，轻松上手 AWS 机器学习全流程
Example Jupyter notebooks that demonstrate how to build, train, and deploy machine ···
LLMs-from-scratch
开源
手把手从零造出 ChatGPT，原理代码一次搞懂
Implement a ChatGPT-like LLM in PyTorch from scratch, step by step
SiLLM
开源
在 Mac 上轻松训练和运行大模型，无需 NVIDIA GPU。
SiLLM simplifies the process of training and running Large Language Models (LLMs) on···