|
|
43ab0f71b0
|
优化写入后新的所有结果
|
2026-02-19 20:18:31 +08:00 |
|
|
|
d5bec53f61
|
优化后的全部结果
|
2026-02-11 19:21:06 +08:00 |
|
|
|
508b91f5a2
|
延迟 decode，只解码 CLIP 需要的 1 帧
- world model 调用 decode_video=False，跳过 16 帧全量 decode
- 只 decode 最后 1 帧给 CLIP embedding / observation queue
- 存 raw latent，循环结束后统一 batch decode 生成最终视频
- 每轮省 15 次 VAE decode，8 轮共省 120 次
- 跳过中间迭代的 wm tensorboard/mp4 保存
psnr微弱下降
|
2026-02-11 17:07:33 +08:00 |
|
|
|
3101252c25
|
速度变化不明显psnr显著提升
|
2026-02-11 16:38:21 +08:00 |
|
|
|
f386a5810b
|
补充上次提交
|
2026-02-11 16:24:40 +08:00 |
|
|
|
352a79035f
|
主干部分fp16,最敏感psnr=25.21,可以考虑对主干部分太敏感的部分回退fp32
|
2026-02-11 16:23:21 +08:00 |
|
|
|
9a08e27a19
|
KV 融合实现完成。改动总结： 速度微弱提升psnr略微上升
attention.py — 3处改动：
1. __init__ 添加 _kv_fused = False 标志
2.新增 fuse_kv() 方法：将 to_k + to_v → to_kv，同时处理 _ip/_as/_aa 辅助 KV 对
2. bmm_forward 两个分支加_kv_fused 判断，用to_kv().chunk(2, dim=-1) 替代分别调用
|
2026-02-11 12:36:38 +08:00 |
|
|
|
b558856e1e
|
fix bugs
|
2026-02-10 22:35:45 +08:00 |
|
|
|
dcbcb2c377
|
- state_unet 放到一个独立的 CUDA stream 上执行
- action_unet 在默认 stream 上同时执行
- 用 wait_stream 确保两者都完成后再返回
两个 1D UNet 输入完全独立，共享的 hs_a 和 context_action 都是只读的。GPU 利用率只有 ~31%，小张量 kernel 不会打满 GPU，两个 stream 可以真正并行。
|
2026-02-10 21:41:48 +08:00 |
|
|
|
ff43432ef9
|
结果
|
2026-02-10 20:01:25 +08:00 |
|
|
|
afa12ba031
|
每步迭代保存异步
|
2026-02-10 19:54:53 +08:00 |
|
|
|
9347a4ebe5
|
实现了Context 预计算和缓存功能，提升了采样效率。 psnr不下降
|
2026-02-10 17:47:46 +08:00 |
|
|
|
223a50f9e0
|
添加CrossAttention kv缓存，减少重复计算，提升性能，psnr=25.1201dB
|
2026-02-10 17:35:03 +08:00 |
|
|
|
2a6068f9e4
|
减少了一路视频vae解码
|
2026-02-10 17:13:45 +08:00 |
|
|
|
91a9b0febc
|
DDIM loop 内小张量分配优化，attention mask 缓存到 GPU
|
2026-02-10 16:53:00 +08:00 |
|
|
|
fffc5a9956
|
init
|
2026-02-08 03:29:15 +00:00 |
|
