ASRock推出的AI QuickSet软件套件包含Stable Diffusion WebUI并支持通过Microsoft Olive加速算图效能，根据实测可以带来10倍效能表现。
安装与模型优化
先前AMD在官方博客张贴了在Stable Diffusion WebUI DirectML分枝版本的使用教程，可以通过Microsoft Olive工具将原本PyTorch格式的模型转换为ONNX格式，并在运算时使用DirectML API，达到接近10倍的效能表现。
不过笔者在跟随教程操作的过程中遇到一些技术问题，目前尚无法排除，导致无法套用效能优化，好在ASRock推出的AI QuickSet软件套件，大幅简化整体安装流程，用户只需在精灵的协助下安装程序，不需额外的设置就可以享受效能AI大幅提升的优势。
不过需要注意的是，电脑中需要有ASRock AMD Radeon RX 7000系列显卡才能安装AI QuickSet。 ASRock官方也表示目前AI QuickSet程序将会持续发展，并在未来加入更多实用的AI应用程序，为用户带来更多元便捷的AI功能。
AI QuickSet下载位置：
https://www.asrock.com/microsite/aiquickset/index.html
▲ 根据AMD官方提供的数据，使用Stable Diffusion WebUI DirectML分枝版本搭配转换为ONNX格式的模型，可以带来近10倍的算图效能表现。
▲ ASRock推出的AI QuickSet软件套件可以简化Stable Diffusion WebUI DirectML分枝版本的安装手续。
▲ 这次测试使用的硬件为ASRock Radeon RX 7800XT Steel Legend显卡。
▲ 读者可以在ASRock官方网站下载AI QuickSet。
▲ 安装手续与一般Windows应用程序相同。
▲ 以1.1.13版为例，安装完成后，桌面会出现3个捷径图标。
出图效能提升10倍
如果想要使用优化性能的AI算图环境的话，可以执行「Launch Stable Diffusion WebUI ONNX」捷径。 不过需要注意的是，目前DirectML版本仅支持使用Stable Diffusion 1.5基础模型，网页界面中的Olive模型转换工具无法用于转换其他Checkpoint模型（程序以Hard coding方式指定模型文件），且尚不支持套LoRA，功能限制比较多。 若想要使用其他模型则可以执行「Launch Stable Diffusion WebUI」捷径。
开启DirectML版本的Stable Diffusion WebUI界面后，需在左上角的Stable Diffusion checkpoint下拉式选单选择「stable-diffusion-v1-5-olive [Optimized]」，其余操作则与一般版本相同。
笔者使用ASRock Radeon RX 7800XT Steel Legend进行测试，过程将Batch size分别设置为1、4，Batch count则固定为1，执行2轮测试确定测试结果无极端值后，取平均作为测试成绩。
从结果可以看到，AMD阵营显卡在优化之后，效能有接近在768 x 768分辨率下，Batch size为1时每次计算1张图片，DirectML版本的效能为一般版本的约4.64倍。 若将Batch size设置为4，每次同时计算4张图片，DirectML版本的速度不会受到太大的影响，但一般版本的速度却会严重下降，导致性能落差达到45.29倍。
▲ 第一次执行的时候，程序会自动安装需要的文件并转换模型，需要等待比较久的时间。
▲ 第二次执行之后开启的速度就会恢复正常。
![执行时需在左上角的Stable Diffusion checkpoint下拉式菜单选择「stable-diffusion-v1-5-olive [Optimized]」，以套用最佳化模型。](https://www.mobbang.com/wp-content/uploads/2026/09/2026092007275526.jpg)
▲ 执行时需在左上角的Stable Diffusion checkpoint下拉式菜单选择「stable-diffusion-v1-5-olive [Optimized]」，以套用最佳化模型。
▲ DirectML版本的参数设置与执行结果。
▲ 在Batch size设置为1时，DirectML版本的效能为一般版本的约4.64倍。
AMD阵营的Olive工具可以带来有效的效能提升，但与NVIDIA提供的TensorRT最佳化工具相比方便性与实用度都稍嫌不足，同样有待日后更新改善。
