diffusers>=0.31.0经过 profile 后本项目暂时只对 UNet 部分采用 TensorRT 推理。该网络部分有三个输入：
- 如果 do_classifier_free_guidance 为 True 即 guidance_scale 大于 1.0 时，输入会 cat 两个 latents，否则为一个 latents，这会直接影响该变量的第一个维度，为 1 或者 2。对于最后两个维度，在文生图任务中由模型配置决定，为 64x64；在图生图任务中，形状为输入图像的 8 倍下采样，所以最后两个维度为动态的
- 第二个输入是 scale 没什么好说的
- 第三个输入的第一维和第一个输入类似，第二个维度来自 tokenizer 编码 text 输入，长度会被 pad 到 77（固定的，当输入大于该值也会截取到该值），第三个维度的 768 是固定的，所以第一个维度是动态的就行
python tools/export_unet.py --model-dir /data/models/stable-diffusion-v1-4按照上述配置导出后，支持输入的图像的宽高范围为 [256,1024]。
经过 profile 后本项目暂时只对 transformer 部分采用 TensorRT 推理。该网络部分有三个输入：
- 如果 do_classifier_free_guidance 为 True 即 guidance_scale 大于 1.0 时，输入会 cat 两个 latents，否则为一个 latents，这会直接影响该变量的第一个维度，为 1 或者 2。对于后面三个维度，来自模型配置文件，所以为固定的 (-1,16,128,128)
- 第二个输入由上面第一个输入的第一维确定，且只有一个维度（一个或两个值），为动态维度
- 第三个输入和第四个输入的第一维和第一个输入类似。对于后续维度：
prompt_embeds = text_encoder(prompt_input_ids.to(self.device), output_hidden_states=True)
# (1,768)
pooled_prompt_embeds = prompt_embeds[0]
# (1,77,768)
prompt_embeds = prompt_embeds.hidden_states[-2]
# (1,1280)
pooled_prompt_embeds_2 = prompt_embeds[0]
# (1,77,1280)
prompt_embeds_2 = prompt_embeds.hidden_states[-2]
# (1,77,2048)
clip_prompt_embeds = torch.cat([prompt_embeds, prompt_embeds_2], dim=-1)
# (1,256,4096)
t5_prompt_embeds = xxx然后代码中 clip_prompt_embeds 有个 pad 操作，参数是 (0,t5_prompt_embeds.shape[-1]-clip_prompt_embeds.shape[-1])，即左边不填充，右边填充，此时 clip_prompt_embeds 的形状变成 (1,77,4096)。然后倒数第二维拼接，得到的形状为 (1,333,4096)。同时 pooled_xxx 不作处理直接在最后一维拼接，得到的形状是 (1,2048)。
python tools/export_sd3_5_unet.py --model-dir /data/models/stable-diffusion-3.5-large当输入指定了 --image-path 时，pipeline 为图生图，否则为文生图；同时，可以指定是否使用 TensorRT 推理 UNet 部分。
python tools/offline_inference.py --model-dir /data/models/stable-diffusion-v1-4 --image-path assets/dog.jpg <--use-trt>Q: 报错 getPluginCreator could not find plugin: InstanceNormalization_TRT version: 1 [pluginV2Runner.cpp::load::308] Error Code 1: Serialization (Serialization assertion creator failed.Cannot deserialize plugin since corresponding IPluginCreator not found in Plugin Registry)
A: 在推理最前部分加上 trt.init_libnvinfer_plugins(None, "")，当时使用 C++ 推理与遇到了类似问题。
Q: 当导出的 ONNX 模型大于 2GB 时报错 onnx.onnx_cpp2py_export.checker.ValidationError: The model does not have an ir_version set properly.
A: 将 protobuf 的版本降至 3.20.3.
Q: 运行 TensorRT 的 img2img 时报错 IExecutionContext::getTensorShape: Error Code 7: Internal Error (/up_blocks.1/Concat: axis 3 dimensions must be equal for concatenation on axis 1. Condition '==' violated: 16 != 15. Instruction: CHECK_EQUAL 16 15.)，根据不同的输入图有不同的维度匹配错误
A: TODO
Q: StableDiffusion 3.5 Large 导出的 TensorRT 推理精度有问题，已知使用 polygrphy 验证了 ONNX 和 TensorRT 的精度是对齐的。
A: TODO