From 34fe9ead73abfa5ce50fd2351cca8a844099df36 Mon Sep 17 00:00:00 2001 From: tanaka takashi Date: Sat, 12 Sep 2026 18:52:14 +0900 Subject: feat: CUDA 13.2でgenerate_imageの実GPU生成に対応 MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit CPU版PyTorchが選択されていた依存設定を修正し、RTX 5050上でStable Diffusion 1.5のMCP generate_imageを実行できる構成へ更新。併せてVAEとLoRAの仕様・実装・テストを明確化した。 CUDA / 依存管理: - torch 2.14.0+cu132とtorchvision 0.29.0+cu132をruntime依存へ固定 - PyTorch CUDA 13.2のexplicit indexとtool.uv.sourcesをuv設定へ追加 - uv.lockをCUDA wheelに更新し、uv sync後もCPU版へ戻らないよう修正 - RTX 5050の認識、CUDA 13.2 runtime、GPU FP16演算を確認 モデル・オフライン実行: - model.root配下のhuggingface cacheをDiffusersへ明示的に渡すよう変更 - checkpoint、外部VAE、ControlNetのsingle-file loadをlocal_files_onlyで統一 - SD 1.5 checkpointと公式pipeline構成・tokenizerによるオフラインloadを確認 - data/config.generate-image.tomlにText-to-Image用最小設定を追加 - data/MODELS.mdにモデル出典、容量、SHA-256、cache構成、検証結果を記録 - 4.27GBのcheckpoint、cache、生成画像はGit管理対象外を維持 VAE / LoRA: - Stable Diffusion pipelineではVAE componentが必須であることを仕様・設計・設定文書に明記 - model.vaeはVAEの有無ではなく外部VAE差し替えの任意設定であることを明確化 - checkpoint内蔵VAEも外部VAEもない場合はpipeline初期化を失敗させる検証を追加 - 複数LoRAを起動時にロードし各weightでset_adaptersする既存動作を文書化 - generate_imageを含む全生成ツールへ設定済みLoRAが共通適用されることを明記 - 外部VAE差し替え、VAE欠落、複数LoRA適用のunit testを追加 動作確認: - 実backendとin-process MCP Clientを使うsmoke_generate_image.pyを追加 - RTX 5050でSD 1.5、512x512、20 stepsのgenerate_imageを実行 - PNG ImageContent返却とseed、size、mode、timestamp、処理時間metadataを確認 - GPU生成時間18.313秒 - pytest: 32 passed - Ruff lint/format: passed - Pyright: 0 errors, 0 warnings - uv lock check: passed --- README.md | 18 +++++++++++++++--- 1 file changed, 15 insertions(+), 3 deletions(-) (limited to 'README.md') diff --git a/README.md b/README.md index d88e388..1eab39c 100644 --- a/README.md +++ b/README.md @@ -5,11 +5,15 @@ ## セットアップ -1. `config.example.toml` をコピーし、モデルの root とファイル名を設定します。 -2. `uv sync` を実行します。 -3. `uv run mcp-sd15 --config path/to/config.toml` で起動します。 +1. NVIDIA driverがCUDA 13.2対応PyTorchを実行できることを`nvidia-smi`で確認します。 +2. `config.example.toml` をコピーし、モデルの root とファイル名を設定します。 +3. `uv sync` を実行します。PyTorchは専用indexからCUDA 13.2版が導入されます。 +4. `uv run mcp-sd15 --config path/to/config.toml` で起動します。 モデルは `/checkpoints`、`vae`、`lora`、`controlnet` からだけ読み込みます。 +VAE componentは生成に常に必要です。`model.vae`を省略した場合はcheckpoint内蔵VAEを使い、 +指定した場合だけ外部VAEへ置き換えます。設定されたLoRAは起動時にすべてロードされ、3つの +生成ツールに共通して適用されます。MCP呼び出しごとのLoRA切替には対応しません。 Depth/Openpose の annotator 重みは `controlnet_aux` のローカルキャッシュに事前配置して ください。推論時のダウンロードは行いません。 @@ -20,3 +24,11 @@ mask は白い領域が再生成対象です。出力は PNG の画像 content GPU を使わないテストは `uv run pytest`、lint は `uv run ruff check .`、型検査は `uv run pyright` で実行できます。実モデルの smoke test は環境依存のため自動テストには 含めていません。 + +実GPUとMCP経路を使う`generate_image` smoke testは次のように実行できます。 + +```powershell +uv run python script\smoke_generate_image.py ` + --config data\config.generate-image.toml ` + --output data\outputs\generate-image-mcp-512.png +``` -- cgit v1.2.3