|
|
57ba85d147
|
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
|
2026-02-10 18:15:52 +00:00 |
|
|
|
2cef3e9e45
|
├─────┼─────────────────────────────────┼───────────────────────┼───────────────────┤
│ 1 │ CUDA Stream 预创建 │ wma_model.py │ 50次 → 0次 │
├─────┼─────────────────────────────────┼───────────────────────┼───────────────────┤
│ 2 │ noise buffer 预分配 │ ddim.py │ 50次 alloc → 0次 │
├─────┼─────────────────────────────────┼───────────────────────┼───────────────────┤
│ 3 │ global_feature expand提到循环外 │ conditional_unet1d.py │ ~700次 → ~100次 │
├─────┼─────────────────────────────────┼───────────────────────┼───────────────────┤
│ 4 │ alpha/sigma dtype 预转换 │ ddim.py │ 200次 .to() → 0次 │
效果不算特别明显
|
2026-02-10 13:40:52 +00:00 |
|
|
|
a09d35ae5b
|
- 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 10:47:10 +00:00 |
|
|
|
db848bca01
|
profile 结果
|
2026-02-10 07:02:20 +00:00 |
|
|
|
b0ebb7006e
|
添加三层迭代级性能分析工具 profile_iteration.py
Layer1: CUDA Events 精确测量每个itr内10个阶段耗时
Layer2: torch.profiler GPU timeline trace
Layer3: CSV输出支持A/B对比
Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>
|
2026-02-10 05:42:11 +00:00 |
|
|
|
125b85ce68
|
实现fs_embed 缓存，收益不明显，精度不降低
|
2026-02-09 18:49:44 +00:00 |
|
|
|
0b3b0e534a
|
复用 DDIMSampler + make_schedule微弱提升
|
2026-02-09 18:26:39 +00:00 |
|
|
|
6dca3696d8
|
实现了Context 预计算和缓存功能，提升了采样效率。 psnr不下降
|
2026-02-09 17:42:47 +00:00 |
|
|
|
f192c8aca9
|
添加CrossAttention kv缓存，减少重复计算，提升性能，psnr=31.8022 dB
|
2026-02-09 17:04:23 +00:00 |
|
|
|
4288c9d8c9
|
减少了一路视频vae解码
|
2026-02-09 16:48:16 +00:00 |
|
|
|
a2cd34dd51
|
1. einsum('b i d, b j d -> b i j') → torch.bmm(q, k.transpose(-1,-2)) — 直接映射 rocBLAS batched GEMM
2. baddbmm 把 scale 融合进 GEMM，少一次 kernel launch
3. 第二个 einsum 同理换torch.bm
每一轮加速1到两秒
|
2026-02-08 18:54:48 +00:00 |
|
|
|
7338cc384a
|
ddim.py — torch.float16 → torch.bfloat16，修复 dtype 不匹配
attention.py — 4 处 softmax 都包裹了 torch.amp.autocast('cuda', enabled=False)，阻止 autocast 将 bf16 提升到 fp32
|
2026-02-08 17:02:05 +00:00 |
|
|
|
f86ab51a04
|
全链路 bf16 混合精度修正与 UNet FLOPS profiling
- GroupNorm/LayerNorm bypass autocast，消除 bf16→fp32→bf16 转换开销
- DDIM 调度系数 cast 到输入 dtype，attention mask 直接用 bf16 分配
- alphas_cumprod 提升到 float64 保证数值精度
- SinusoidalPosEmb 输出 dtype跟随模型精度
- 新增 profile_unet.py 脚本及FLOPS 分析结果
- 启用 TORCH_ROCM_AOTRITON_ENABLE_EXPERIMENTAL
- case1 PSNR: 30.45 → 30.24（bf16 精度预期内波动）
|
2026-02-08 16:01:30 +00:00 |
|
|
|
75c798ded0
|
DDIM loop 内小张量分配优化，attention mask 缓存到 GPU
|
2026-02-08 14:20:48 +00:00 |
|
|
|
e588182642
|
修复混合精度vae相关的配置错误，确保在推理阶段正确使用了混合精度模型，并且导出了正确精度的检查点文件。
|
2026-02-08 12:35:59 +00:00 |
|
|
|
e6c55a648c
|
所有case的baseline，amd版本的ground truth都上传了
|
2026-02-08 09:42:14 +00:00 |
|
|
|
fffc5a9956
|
init
|
2026-02-08 03:29:15 +00:00 |
|
