尽管DDPM和DDIM等基本采样方法是扩散模型生成数据所依赖的主要方式，但其迭代特性常常导致推理 (inference)时间缓慢。本章着重介绍大幅加速采样过程和优化模型以用于实践的技术。

你将考察进阶采样算法，包括像DPM-Solver和UniPC这样的高阶ODE求解器，它们旨在以更少步骤生成高质量结果。我们还将介绍随机采样变体和对引导采样的改进。此外，本章还提供关于解决常见采样问题（例如伪影或模糊）的实用指导。最后，我们将讨论用于部署的模型优化，涵盖模型蒸馏、量化 (quantization)等方法，以及硬件加速的考量，以提高速度并减少资源消耗。