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/config.md | 8 ++++++++ 1 file changed, 8 insertions(+) (limited to 'doc/config.md') diff --git a/doc/config.md b/doc/config.md index f200cdc..c619d2d 100644 --- a/doc/config.md +++ b/doc/config.md @@ -19,6 +19,8 @@ uv run mcp-sd15 --config C:\path\to\config.toml / ├─ checkpoints/ │ └─ +├─ huggingface/ +│ └─ Diffusersが使用するローカル構成cache ├─ vae/ │ └─ ├─ lora/ @@ -79,14 +81,20 @@ vae = "vae.safetensors" - `/checkpoints/`として解決 - 起動時にファイルの存在を確認 - サーバ初期化時にSD1.x pipelineとしてロードできなければ起動失敗 +- 単一checkpointの読込に必要なDiffusers構成は`/huggingface` cacheから取得 ### `vae` +- Stable Diffusion pipelineのVAE component自体は必須 - 任意のファイル名 - 指定した場合は`/vae/`として解決し、base modelのVAEを置換 - 指定時は起動時にファイルの存在を確認 - 省略時はcheckpointに含まれるVAEを使用 +`model.vae`が任意なのはVAE処理を省略できるという意味ではなく、外部VAEファイルによる +差し替えが任意という意味である。checkpoint内にもVAEが存在しない場合はpipelineを構築 +できないため起動に失敗する。 + ## 5. `[[model.lora]]` LoRAごとにarray of tablesを追加する。0個以上指定でき、記述順にadapter名が割り当てられる。 -- cgit v1.2.3