SDXS Onnx

由 IDKiro/sdxs-512-0.9（即原始版本，不含 dreamshaper）通过以下命令转换而来：

optimum-cli export onnx -m <本地原始模型的绝对路径> --task stable-diffusion ./mysdxs

请注意，我将本地仓库副本中的 /vae 文件夹替换为同一仓库中的 /vae_large，并更新了仓库根目录的模型配置。这是因为 Onnx 转换器目前似乎还不够成熟，无法处理非标准流水线，因此我们实际上使用的是原始的普通自编码器。

实际推理时，可以使用类似以下的代码进行测试：

from optimum.onnxruntime import ORTStableDiffusionPipeline

pipeline = ORTStableDiffusionPipeline.from_pretrained(\"/本地仓库的绝对路径\")

prompt = \"Sailing ship in storm by Leonardo da Vinci\"

image = pipeline(prompt, num_inference_steps=1, guidance_scale=0).images[0]

image.save(\"hello.png\", \"PNG\")

配合 TAESD 使用

（尚未测试）

可以考虑使用 deinferno/taesd-onnx 中的 TAESD Onnx 转换模型（原始模型位于 madebyollin/taesd）

组合推理代码：

from huggingface_hub import snapshot_download
from diffusers.pipelines import OnnxRuntimeModel
from optimum.onnxruntime import ORTStableDiffusionPipeline

taesd_dir = snapshot_download(repo_id=\"deinferno/taesd-onnx\")

pipeline = ORTStableDiffusionPipeline.from_pretrained(
      \"lemonteaa/sdxs-onnx\",
      vae_decoder_session = OnnxRuntimeModel.from_pretrained(f\"{taesd_dir}/vae_decoder\"),
      vae_encoder_session = OnnxRuntimeModel.from_pretrained(f\"{taesd_dir}/vae_encoder\"),
      revision=\"onnx\")

prompt = \"Sailing ship in storm by Leonardo da Vinci\"

image = pipeline(prompt, num_inference_steps=1, guidance_scale=0).images[0]

image.save(\"hello.png\", \"PNG\")