feat: Add Intel Arc GPU (XPU) support / 添加 Intel Arc GPU (XPU) 支持

[wesd6r]

Summary / 概述

This PR adds Intel Arc GPU (XPU/iGPU) support to InvokeAI, enabling image generation on Intel discrete and integrated GPUs via Intel Extension for PyTorch (IPEX).

本 PR 为 InvokeAI 添加 Intel Arc GPU（XPU/集显）支持，通过 Intel Extension for PyTorch (IPEX) 实现在 Intel 独立和集成显卡上生成图像。

Based on the community effort by ilmarille-prog/InvokeAI_intelGPU, ported and updated to the latest InvokeAI codebase.

基于 ilmarille-prog/InvokeAI_intelGPU 的社区工作，移植并更新到最新 InvokeAI 代码库。

Motivation / 动机

InvokeAI currently supports CUDA (NVIDIA) and MPS (Apple Silicon) GPUs but has no path for Intel GPU users. Intel Arc GPUs (A-series, Pro B-series, and newer integrated Arc graphics) expose a PyTorch backend via torch.xpu through IPEX. This PR integrates XPU support with minimal, non-invasive changes so that Intel GPU users can run InvokeAI without maintaining a separate fork.

InvokeAI 目前支持 CUDA（NVIDIA）和 MPS（Apple Silicon）GPU，但没有 Intel GPU 用户的使用路径。Intel Arc GPU（A 系列、Pro B 系列及更新的集成 Arc 显卡）通过 IPEX 提供 torch.xpu 后端。本 PR 以最小化、非侵入的方式集成 XPU 支持，使 Intel GPU 用户无需维护单独的分支即可运行 InvokeAI。

Changes / 改动

Core device abstraction / 核心设备抽象 (devices.py)

• Added _is_xpu_available() helper (guarded with hasattr for safety on non-IPEX systems)
  • 添加 _is_xpu_available() 辅助函数（通过 hasattr 保护，确保无 IPEX 时安全运行）
• choose_torch_device() auto-selects xpu when available and CUDA is not
  • choose_torch_device() 在 XPU 可用且 CUDA 不可用时自动选择 xpu
• choose_torch_dtype() defaults XPU to float16
  • choose_torch_dtype() XPU 默认使用 float16
• empty_cache() includes torch.xpu.empty_cache()
  • empty_cache() 包含 torch.xpu.empty_cache()

Configuration / 配置 (config_default.py)

• Added xpu to the valid device pattern: ^(auto|cpu|mps|cuda|xpu)(:\d+)?$
  • 将 xpu 添加到有效设备模式：^(auto|cpu|mps|cuda|xpu)(:\d+)?$

Attention & pipeline / 注意力与推理管线 (diffusers_pipeline.py, attention.py)

• Explicitly disables xformers for XPU (incompatible) and falls back to torch-sdp or sliced attention
  • 为 XPU 显式禁用 xformers（不兼容），回退到 torch-sdp 或 sliced 注意力
• XPU uses system RAM for slice size estimation (same as CPU/MPS path)
  • XPU 使用系统内存进行切片大小估算（同 CPU/MPS 路径）

Model cache / 模型缓存 (model_cache.py)

• Uses torch.xpu.mem_get_info() and torch.xpu.memory_allocated() for XPU VRAM tracking
  • 使用 torch.xpu.mem_get_info() 和 torch.xpu.memory_allocated() 进行 XPU 显存追踪

xformers compatibility / xformers 兼容性 (hotfixes.py)

• Patches diffusers to return False for is_xformers_available on XPU devices
  • 修补 diffusers 使其在 XPU 设备上返回 False，防止加载不兼容的 xformers

Image utilities / 图像工具

• depth_anything, grounding_dino, segment_anything, segment_anything_2, pbr_maps: Allow xpu as valid device
  • 以上工具管线：允许 xpu 作为有效设备
• dw_openpose: Added comment noting ONNX Runtime XPU limitation (falls back to CPU)
  • dw_openpose：添加注释说明 ONNX Runtime XPU 限制（回退到 CPU）

Documentation / 文档

• INSTALL_INTEL.md: Step-by-step Windows installation guide for Intel GPU users
  • INSTALL_INTEL.md：Intel GPU 用户的 Windows 分步安装指南

Design principles / 设计原则

1. Minimal invasiveness / 最小侵入: All changes are additive — no existing CUDA/MPS/CPU paths are modified.
   所有改动都是新增的——不修改现有的 CUDA/MPS/CPU 路径。
2. Safety guards / 安全保护: Every torch.xpu call is wrapped in hasattr(torch, "xpu") checks so the code runs safely on systems without IPEX.
   每个 torch.xpu 调用都用 hasattr(torch, "xpu") 检查包裹，确保在没有 IPEX 的系统上安全运行。
3. No new dependencies / 无新依赖: IPEX is an optional install-time dependency; the codebase itself only references torch.xpu APIs which gracefully no-op when absent.
   IPEX 是可选的安装时依赖；代码本身只引用 torch.xpu API，缺失时自动跳过。

Testing / 测试

• Tested on Windows 11 with Intel Arc Pro B50 GPU / 在 Windows 11 + Intel Arc Pro B50 GPU 上测试
• Verified: auto device detection, model loading, image generation, memory management, cache eviction
  • 已验证：自动设备检测、模型加载、图像生成、显存管理、缓存回收
• All torch.xpu API calls are guarded for non-IPEX environments
  • 所有 torch.xpu API 调用均已针对非 IPEX 环境做了保护

Related / 相关项目

• Upstream community fork / 上游社区分支: ilmarille-prog/InvokeAI_intelGPU