Update run.py

run.py

@@ -5,28 +5,25 @@ import torch
 from diffusers import ErnieImagePipeline
 from tqdm import tqdm
 
-# 设置全局随机种子确保可复现性
-# seed = 42
+
 seed = random.randint(0, 100000)
 print(f"seed: {seed}")
 random.seed(seed)
 np.random.seed(seed)
 torch.manual_seed(seed)
-# 在 DCU 上，torch.cuda.manual_seed_all 会自动映射到底层 hipRAND
+
 torch.cuda.manual_seed_all(seed)
 
-# 允许一定的算子融合和自动寻优，DCU 的 MIOpen 会接管 cudnn 的设置
 torch.backends.cudnn.deterministic = True
 torch.backends.cudnn.benchmark = False
 
-# 加载 pipeline
-# 注意：如果你的 DCU 版本（如某些较老的型号）对 bfloat16 支持不佳，可以尝试换成 torch.float16
+
 pipe = ErnieImagePipeline.from_pretrained(
     "baidu/ERNIE-Image",
     torch_dtype=torch.bfloat16 
 )
 
-# DCU 版本的 PyTorch 会自动将 "cuda" 映射到 DCU 设备上
+
 pipe = pipe.to("cuda")
 
 pipe.transformer.eval() 
@@ -34,13 +31,10 @@ pipe.vae.eval()
 pipe.text_encoder.eval()
 pipe.pe.eval()
 
-# 如果显存不够可以开启 offload
-# pipe.enable_model_cpu_offload()
 
-# 设置随机种子，"cuda" 在这里同样会被映射到 DCU
 generator = torch.Generator(device="cuda").manual_seed(seed)
 
-# 确保输出目录存在
+
 os.makedirs("../tests", exist_ok=True)
 
 # 生成图片