芬尼空气能热水器400服务电话：400-889-3660（点击咨询）
芬尼空气能热水器全国各售后服务热线号码2025已更新（2025已更新）
芬尼空气能热水器各区售后维修电话（2025已更新）
芬尼空气能热水器售后服务维修电话：(1)400-889-3660（点击咨询）（2）400-889-3660（点击咨询）
芬尼空气能热水器24小时售后客服热线(1)400-889-3660（点击咨询）（2）400-889-3660（点击咨询）
芬尼空气能热水器全国各区售后服务点热线号码《今日发布》
芬尼空气能热水器售后服务电话
7天24小时人工电话客服为您服务、芬尼空气能热水器售后服务团队在调度中心的统筹调配下，线下专业全国网点及各地区售后人员服务团队等专属服务，整个报修流程规范有序，后期同步跟踪查询公开透明。
所有售后团队均经过专业培训、持证上岗，所用产品配件均为原厂直供，
芬尼空气能热水器附近上门维修服务《今日发布》2025已更新(今日/推荐)
芬尼空气能热水器售后服务电话全国服务区域：
北京市（东城区、西城区、崇文区、宣武区、朝阳区、丰台区、石景山区、海淀区、门头沟区 昌平区、大兴区）
天津市（和平区、河东区、河西区、南开区、河北区、红桥区、塘沽区、东丽区、西青区、）
石家庄市（桥东区、长安区、裕华区、桥西区、新华区。）
保定市（莲池区、竞秀区） 廊坊市（安次区、广阳区，固安）
太原市（迎泽区，万柏林区，杏花岭区，小店区，尖草坪区。）
大同市（城区、南郊区、新荣区）
榆林市（榆阳区,横山区）朝阳市（双塔区、龙城区）
南京市（鼓楼区、玄武区、建邺区、秦淮区、栖霞区、雨花台区、浦口区、区、江宁区、溧水区、高淳区） 成都市（锡山区，惠山区，新区，滨湖区，北塘区，南长区，崇安区。）
常州市（天宁区、钟楼区、新北区、武进区）
苏州市（吴中区、相城区、姑苏区（原平江区、沧浪区、金阊区）、工业园区、高新区（虎丘区）、吴江区，原吴江市）
常熟市（方塔管理区、虹桥管理区、琴湖管理区、兴福管理区、谢桥管理区、大义管理区、莫城管理区。）宿迁(宿豫区、宿城区、湖滨新区、洋河新区。)
徐州（云龙区，鼓楼区，金山桥，泉山区，铜山区。）
南通市（崇川区，港闸区，开发区，海门区，海安市。）
昆山市 （玉山镇、巴城镇、周市镇、陆家镇、花桥镇（花桥经济开发区）、张浦镇、千灯镇。）
太仓市(城厢镇、金浪镇、沙溪镇、璜泾镇、浏河镇、浏家港镇；)
镇江市 (京口区、润州区、丹徒区。)
张家港市（杨舍镇，塘桥镇，金港镇，锦丰镇，乐余镇，凤凰镇，南丰镇，大新镇）
扬州市（广陵区、邗江区、江都区.宝应县）
宁波市（海曙区、江东区、江北区、北仑区、镇海区，慈溪，余姚 ）
温州市（鹿城区、龙湾区、瓯海区、洞头区）
嘉兴市（南湖区、秀洲区，桐乡。）
绍兴市（越城区、柯桥区、上虞区）
金华市（金东区，义乌）
舟山市（定海区、普陀区）
台州市（椒江区、黄岩区、路桥区）
湖州市 (吴兴区，织里，南浔区)
合肥市（瑶海区、庐阳区、蜀山区、包河
400服务电话：400-889-3660（点击咨询）
芬尼空气能热水器附近上门维修服务《今日发布》《今日发布》
芬尼空气能热水器附近上门维修服务《今日发布》（2025已更新）
本地附近芬尼空气能热水器售后服务维修电话：(1)400-889-3660（点击咨询）（2）400-889-3660（点击咨询）
芬尼空气能热水器24小时售后客服热线(1)400-889-3660（点击咨询）（2）400-889-3660（点击咨询）
芬尼空气能热水器附近上门维修服务《今日发布》【2025已更新列表】
芬尼空气能热水器售后服务电话
7天24小时人工电话客服为您服务、芬尼空气能热水器售后服务团队在调度中心的统筹调配下，线下专业全国网点及各地区售后人员服务团队等专属服务，整个报修流程规范有序，后期同步跟踪查询公开透明。
所有售后团队均经过专业培训、持证上岗，所用产品配件均为原厂直供，
芬尼空气能热水器售后客服中心2025已更新(今日/推荐)
芬尼空气能热水器售后服务电话全国服务区域：
北京市（东城区、西城区、崇文区、宣武区、朝阳区、丰台区、石景山区、海淀区、门头沟区 昌平区、大兴区）
天津市（和平区、河东区、河西区、南开区、河北区、红桥区、塘沽区、东丽区、西青区、）
石家庄市（桥东区、长安区、裕华区、桥西区、新华区。）
保定市（莲池区、竞秀区） 廊坊市（安次区、广阳区，固安）
太原市（迎泽区，万柏林区，杏花岭区，小店区，尖草坪区。）
大同市（城区、南郊区、新荣区）
榆林市（榆阳区,横山区）朝阳市（双塔区、龙城区）
南京市（鼓楼区、玄武区、建邺区、秦淮区、栖霞区、雨花台区、浦口区、区、江宁区、溧水区、高淳区） 成都市（锡山区，惠山区，新区，滨湖区，北塘区，南长区，崇安区。）
常州市（天宁区、钟楼区、新北区、武进区）
苏州市（吴中区、相城区、姑苏区（原平江区、沧浪区、金阊区）、工业园区、高新区（虎丘区）、吴江区，原吴江市）
常熟市（方塔管理区、虹桥管理区、琴湖管理区、兴福管理区、谢桥管理区、大义管理区、莫城管理区。）宿迁(宿豫区、宿城区、湖滨新区、洋河新区。)
徐州（云龙区，鼓楼区，金山桥，泉山区，铜山区。）
南通市（崇川区，港闸区，开发区，海门区，海安市。）
昆山市 （玉山镇、巴城镇、周市镇、陆家镇、花桥镇（花桥经济开发区）、张浦镇、千灯镇。）
太仓市(城厢镇、金浪镇、沙溪镇、璜泾镇、浏河镇、浏家港镇；)
镇江市 (京口区、润州区、丹徒区。)
张家港市（杨舍镇，塘桥镇，金港镇，锦丰镇，乐余镇，凤凰镇，南丰镇，大新镇）
扬州市（广陵区、邗江区、江都区.宝应县）
宁波市（海曙区、江东区、江北区、北仑区、镇海区，慈溪，余姚 ）
温州市（鹿城区、龙湾区、瓯海区、洞头区）
嘉兴市（南湖区、秀洲区，桐乡。）
绍兴市（越城区、柯桥区、上虞区）
金华市（金东区，义乌）
舟山市（定海区、普陀区）
台州市（椒江区、黄岩区、路桥区）
湖州市 (吴兴区，织里，南浔区)
合肥市（瑶海区、庐阳区、蜀山区、包河
🤔你怎么看？瓦伦西亚进球之前，对罗德里戈存在犯规嫌疑
新智元报道
编辑：LRST
【新智元导读】北京大学等研究团队优化了Sdcpp框架，通过引入Winograd算法和多项策略，显著提升了图像生成速度和内存效率，最高可提速4.79倍。
在AI生成图像领域，Stable Diffusion已经成为一个里程碑式的工具，凭借其强大的图像生成能力，被广泛应用于艺术创作、商业设计等领域。
然而，生成高质量图像的过程常常需要付出大量的时间和内存，这对于硬件资源有限的设备来说是一大挑战。
为了应对这一问题，北京大学、东北大学、佐治亚大学发布了Stable-Diffusion.cpp（简称Sdcpp）的优化方法，引入了Winograd算法和三个优化策略，最终整图生成速度最高可达到4.79倍，从此实现创作自由！
论文链接：https://arxiv.org/pdf/2412.05781
项目主页：https://github.com/SealAILab/stable-diffusion-cpp
Sdcpp是Stable Diffusion模型的C/C++实现，旨在无需外部依赖的情况下在CPU（以及可能配置GPU）上实现高效推理。Sdcpp作为一个高效的推理框架，不仅能够显著加速模型的运行，还能大幅减少内存占用。
Sdcpp的实现中，计算密集型的2D卷积运算是图像生成的主要瓶颈，虽然功能强大，但效率却不够理想，推理速度较慢，内存占用高。
为了解决这些问题，研究人员在Sdcpp的基础上，引入了Winograd算法，对Sdcpp中的卷积操作进行了革命性的改进，最终实现了性能与资源利用率的双提升。
主要优化策略为：
分步处理：将卷积拆解为滤波器和激活权重的预处理、预处理张量的逐元素乘法和中间结果的后处理三个阶段，提高运算效率。
局部优化：通过调整数据加载方式（散点存储和聚集加载优化），减少 L1 缓存的切换，最大限度地减少缓存交换，提升内存使用效率。
并行处理：分析算子间的关联性，将关联性较小的运算动态分配到不同的计算线程与核心上，充分利用多线程和多核心架构，动态分配计算任务，充分发挥硬件性能，减少图像生成延迟。
尤其是在M系列Mac设备上，优化了性能核心（P-core）和效率核心（E-core）的分工，使推理速度得到了显著提升。
多设备、多模型支持
优化后的Sdcpp框架支持多个设备和模型，包括：
主流Stable Diffusion模型：SDv1.4、v1.5、v2.1、SDXL和SDXL-Turbo；
不同硬件平台：Mac、Android、AMD等；
扩展模块：如支持LoRA，以及支持算子量化等，为用户提供更高的灵活性。
此外，该框架还支持并且优化了diffusion transformer模型中的算子，进一步拓展了应用场景。
速度提升，快！
通过实际测试，优化成果令人振奋！
单卷积层的加速表现：对于多种卷积层配置，推理速度平均提升超过2倍！
研究人员测试了在一些在SD生成图片过程中出现比较频繁的卷积层，计算了在这些单卷积层上，优化的Sdcpp相较于原版Sdcpp的加速效果。在不同的卷积层上，推理速度提升至少达到2倍。
整图生成速度对比：最高加速比达到4.79倍！
图像分辨率越大，方法的加速效果越明显。在生成1024×1024分辨率图像时，相比于原版Sdcpp，优化后的Sdcpp在M1 Pro以及M2 Max上的推理速度提升可超过4.6 倍（FP32 类型）。
对于其他图像尺寸和SD模型，优化的Sdcpp的加速效果也十分显著（如SDv1.5模型生成512×512图像时在M1 Pro上加速1.84 倍）。
显著的加速比主要得益于框架的局部优化（降低缓存交换并且提高内存使用效率），以及并行处理（动态分配计算任务并且提高运算并行度）。
更快的速度，不仅节省时间，更让创作更自由！
实例展示：更真实的生成效果
下图展示了使用 SDXL-Turbo 模型，原版Sdcpp以及我们优化的Sdcpp使用5步采样，所生成的图像对比：
可以看出，在相同配置和提示词下，优化后的Sdcpp不仅速度更快，生成的图像也更加细腻逼真，细节丰富，层次分明。
优化的Sdcpp能够支持不同硬件平台上（Mac、Android、AMD 等）各种主流SD模型（如SDv1.4、v1.5、v2.1、SDXL 和 SDXL-Turbo）的所有算子，确保使用这些SD模型能够生成高质量的图片。
该框架还会不断进步，研究人员计划优化更多操作符，提升兼容性；进一步提高模型量化的效率；探索在更多设备上的性能提升。
参考资料：
https://arxiv.org/abs/2412.05781
相关推荐：
