第一章概述了部署扩散模型的架构难题，本章则聚焦于模型本身。扩散过程的迭代特性，通常包含数百个步骤，数据需通过大型神经网络 (neural network)，这在推理 (inference)期间产生了巨大的计算需求。这导致了与延迟、吞吐量 (throughput)和成本相关的问题。

本章介绍一些方法来缓解这些性能瓶颈：

• 分析瓶颈： 找出扩散采样过程中最耗资源的部分。
• 模型压缩： 运用量化 (quantization)（将精度降低到 $INT8$ 或 $FP16$ 等格式）和知识蒸馏 (knowledge distillation)等方法，以创建更小、更快的模型。
• 采样器效率： 考察减少生成所需采样步骤数的策略，同时不造成显著质量损失。
• 硬件和编译器优化： 学习有效利用 GPUs/TPUs，并借助 TensorRT 和 OpenVINO 等编译器以获取优化的执行图。
• 性能评估： 制定严格的基准测试流程，以量化延迟、吞吐量和成本的提升。

通过详细的说明和动手实践环节，您将掌握大幅提升扩散模型推理效率的技能。