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 --- doc/Design.md | 7 ++++--- 1 file changed, 4 insertions(+), 3 deletions(-) (limited to 'doc/Design.md') diff --git a/doc/Design.md b/doc/Design.md index f22c24d..fd4ac63 100644 --- a/doc/Design.md +++ b/doc/Design.md @@ -113,7 +113,7 @@ mcp-sd15/ | 5 | checkpoint存在確認 | | 6 | VAE / LoRA / ControlNet存在確認 | | 7 | Base SD1.x pipelineを構築 | -| 8 | VAEを適用 | +| 8 | checkpoint内蔵VAEを確認し、外部VAE指定時は差し替え | | 9 | LoRAを順次ロード | | 10 | GPUへ配置 | | 11 | MCP Toolを公開 | @@ -170,7 +170,7 @@ Pydanticは必須とせず、`tomllib + dataclass + 明示的validation`を基 | 機能 | 実装方針 | |---|---| | Base model | SD1.x互換checkpointをロード | -| VAE | 設定された場合のみ置換 | +| VAE | pipeline componentとして必須。設定された外部VAEがある場合のみ置換 | | LoRA | 複数adapterをロード | | LoRA weight | `set_adapters`相当で適用 | | LoRA fuse | 将来オプション。初期実装では必須としない | @@ -349,7 +349,8 @@ GPU | Package | 用途 | |---|---| | `mcp` | MCP server | -| `torch` | CUDA / Tensor | +| `torch` | CUDA 13.2 / Tensor | +| `torchvision` | PyTorch画像model依存 | | `diffusers` | SD / ControlNet | | `transformers` | CLIP | | `peft` | LoRA | -- cgit v1.2.3