最近幾個月，「百模大戰」這個詞沒少出現，你能看到各種大大小小的模型發布，有的選擇從0到1完全自研這條路，但是從數據準備到模型開發和訓練、調優，這是一條痛苦又漫長的路，所以有的人選擇以開源模型為基礎，再根據自己的需求量身定製，站在巨人的肩膀上。但是不論選擇哪條路，都需要更高的算力基礎，才足以支撐複雜的數據處理、模型訓練和使用。
一些圖庫網站已經開始在網上售賣以這種方式生成的圖片了，更有甚者還提供工具，基於圖庫已有的內容，讓用戶生成新的圖片。當然，這背後需要龐大的技術支持，對於個人，我們就拿Stable Diffusion玩玩吧。
作為一種開源模型，Stable Diffusion擁有高度的靈活性，你可以把它部署到雲端、伺服器，也能裝到自己的電腦上運行。但是雲和數據中心這樣的規格，一般的個人和中小企業還是比較難以負擔的，所以出於成本和靈活性的考量，我們就選擇工作站。
不過要是直接把Stable Diffusion拿過來用，效果會不大好，因為它是在LAION-5B的圖片和標題對上訓練完成的。LAION-5B是一個公開的數據集，數據都來自網路上抓去的公用數據，所以還需要額外的訓練才能用，這裡的訓練指的是通過特定的垂類數據進行微調，讓模型在通用的基礎上獲得特定的「能力」。
一般來說，微調會通過嵌入和超網路兩種方式。嵌入，就是餵給它一些你自己的圖像數據，讓它更精確，這種操作也能讓Stable Diffusion實現風格模仿；超網路，能夠讓模型實現藝術家風格的模仿。
其實這兩種方法之外，還可以利用DreamBooth緩解Stable Diffusion無法生成特定個人圖像的問題，就是更耗資源，需要足夠高的配置才能實現，暫且放棄。
雖然說是微調，但還是需要一點時間和精力的，我有點等不及想先過把癮，但又不想浪費昂貴的工作站資源，就先在自己的筆記本電腦上部署運行了一下，結果當然是不行。其實很多筆記本的配置根本達不到Stable Diffusion的最低要求，硬著頭皮多試幾次也會出現各種錯誤。儘管運行Stable Diffusion的硬體要求比訓練要低一些，但至少也得是NVIDIA RTX的GPU才禮貌呀。
為了不讓生成的圖片看起來有各種毛病，具體來說，4GB以上的顯存能夠確保運行，6GB能夠確保基本穩定，如果想達到比較好的效果，就需要12GB或以上的顯存了，所以說，這樣的配置已經是工作站級別的產品才能有的了。
戴爾的Precision 7960塔式工作站最高可以選擇4張NVIDIA RTX A6000顯卡，這相當於單張48GB的GPU內存，總共192GB的工作站系統GPU內存，如果從算力來看，每個GPU最多1457 TFLOP的算力，每個工作站總計算力為5828 TFLOPS。如果使用這樣的配置，應用級的推理、微調完全夠用，運行就更不用多說了，但預算實在有限，所以最終選擇了Precision 5680移動工作站。
Precision 5680也是移動工作站裡面較高端的一款，對於運行Stable Diffusion也是夠用的，折騰完一系列的配置之後，簡單試一下就能發現，基本的Stable Diffusion出圖效果其實不太理想，但現在也有Stable Diffusion XL這個選擇，顧名思義，就是Stable Diffusion的加強版，出圖效果會更好，但是模型也相對更大一些，生成的時間會比較久，沒有足夠的顯存，是很難帶動的。
配合Stable Diffusion XL，用Precision 5680輸入指令後，出一張圖大約花費20秒左右的時間，生成的效果還是很不錯的，而且生成圖片的可調參數也比Midjourney這類在線服務豐富得多，一不小心就在上面玩一整天。不過這台工作站整體表現還是很給力的，主要是Precision工作站獨有的RMT Pro技術和ECC內存校驗能力，隨時都能快速糾正錯誤，像這樣長時間高負載運行一天下來，機器都不會出現任何明顯的卡頓，死機就更不可能了，要是換成一般的電腦，根本想都不敢想。
其實如果設備達不到Stable Diffusion XL對硬體配置的最低要求，也可以選擇用Stable Diffusion的Controlnet插件，它能根據你提供的草圖，讓Stable Diffusion豐富細節，缺點就是，這已經算是圖生圖了，但好處是比文生圖的結果更可控一些，有設計功底的話，還是挺方便的。
搭配Controlnet插件使用基本的Stable Diffusion，在Precision 5680生成一張圖的時間比之前稍短了一點，大約不到20秒，生成結果的完成度也是很高的。
相信第一次接觸Stable Diffusion的人不在少數，但是很多人都覺得只要搞一台配置很高的電腦就可以了。但事實並不是這樣的，相比傳統個人電腦，工作站擁有更高的硬體配置，但更重要的是，模型需要設備長時間、高負載運行，更強的GPU只是及格線，它還需要足夠的穩定性，才能真正應對這種長時間、高負載的運行。
除此之外，很多做設計還有數據科學的人應該了解，工作站的ISV認證是很重要的，Precision擁有完整的ISV認證，這相當於專業軟體開發商事先幫你試過一遍機器，性能、穩定性、功能各個方面都要表現很好才能通過。對於一些數據科學、研發、設計所需的專業軟體，使用 Precision這樣具備完整ISV認證的產品，可以很好的避免兼容性問題，像是藍屏、卡頓的情況是不會發生的。
對於模型訓練這一塊，其實一些比較捨得成本的企業會選擇雲服務和數據中心，其實也沒什麼不好，但是雲服務基本都是租賃的模式，會隨著時間的推移，投入的成本也變高，如果在這期間，你的需求發生改變，這恐怕又會是一大筆錢，尤其對於需要更多調試、疊代的早期階段，選擇雲服務的試錯壓力是很大的。另一方面，雲服務需要接入廣域網，如果你的數據裡面涉及一些敏感資訊，那這種模式基本上就可以第一個排除了，首先你就得考慮本地部署的模式。
其實本地研發、部署模型已經被許多行業採用，像是在零售行業，語言模型也可以為顧客提供自動化與個性化的導購；在醫療行業，智能模型為醫療機構的智能設備和線上服務提供醫療問答、病歷生成、文檔理解等功能；在製造行業，模型可以幫助完成產品設計研發、質量控制檢測等工作……
數據中心伺服器也是一種本地部署模式，但是需要一定範圍的本地網路連接才能調用，靈活性很低，而且如果機房設備性能不夠，也需要額外的硬體設施成本投入，相比工作站，試錯成本也是比較高的。
所以至少在模型研發部署的早期階段，工作站是一種非常好的載體，不僅響應速度很快，靈活性也很強。而且戴爾Precision提供的選擇還挺多的，不僅有塔式，還有機架和移動工作站，Precision移動工作站外形上跟一般筆記本幾乎沒什麼差別，但是性能足夠跑動Stable Diffusion這樣的模型。
這相當於在你日常辦公的設備裡面放了一個設計小助手，不論給設計做圖片的修整，還是給文字搭配合適的圖片，都能快速完成，而且沒有網路也能使用，這樣的一次性投入還是很值得的。
