Stable Diffusion是一种文本到图像生成的大型深度学习模型，它可以根据文本的描述生成详细的图像，也可以用于其他任务，如图像修复、图像扩展、图像翻译等。
它是基于潜在扩散模型（Latent Diffusion Model）的一种变体，通过对图像添加和去除噪声来训练和生成图像。
该模型由Stability AI和LAION联合开发，目前是一个开源的AI平台，有很多用户和开发者贡献了不同的预训练模型和插件。
一般情况下，跑Stable Diffusion需要的配置：最好是有英伟达（Nvidia）的独立显卡，显存不少于4GB，推荐8GB以上；内存8GB以上，推荐16GB或以上；硬盘40GB以上的可用空间，最好是固态硬盘；操作系统支持Windows 10/11，macOS（仅限Apple Silicon或更新版本），Linux等。
但最近有人在树莓派Zero 2上运行Stable Diffusion了，而树莓派 Zero 2 只是内存512MB 的单板计算机。
它的配置和规格如下：
- 处理器：Broadcom BCM2710A1，四核64位SoC（Arm Cortex-A53 @ 1GHz）
- 内存：512MB LPDDR2
- 连接性：2.4GHz IEEE 802.11b/g/n无线局域网，蓝牙4.2，BLE，带天线的屏蔽罩
- 接口：1 × USB 2.0 OTG接口
- HAT兼容的40针I/O头插座（未焊接）
- microSD卡插槽
- Mini HDMI端口
- CSI-2摄像头连接器
- 视频：HDMI接口
- 复合的视频和复位引脚焊点
- 多媒体：H.264, MPEG-4解码（1080p30）
- H.264编码（1080p30）
- OpenGL ES 1.1, 2.0图形
- 输入电源：5V DC 2.5A
- 工作温度：-20°C to +70°C
Raspberry Pi Zero 2 W的尺寸是65mm × 30mm，与原来的Raspberry Pi Zero一样。它的性能比原来的单核Raspberry Pi Zero提高了五倍。一般用于智能家居、物联网等项目。
为了让更多低配置的计算机也能用Stable Diffusion出图。
一个名为vitoplantamura的开发者决定写一个超小的推理库，让260MB内存的单板机也能将Stable Diffusion跑起来。终于，他成功了。
他用C++开发的OnnxStream，是一个能够在低内存设备上运行 Stable Diffusion 的推理库，它通过分离推理引擎和权重提供器，以及量化等技术，完成了在树莓派 Zero 2 上生成图像的挑战。
与微软的OnnxStream 相比，vitoplantamura的OnnxStream 只需要消耗 1/55 的内存就可以达到同样的效果，但（在 CPU 上的）速度只比前者慢 0.5-2 倍。
虽然运行速度较慢，但它却是大模型在更小、更有限的设备上部署的崭新尝试。
相关源码：
