<?xml version="1.0" encoding="utf-8" ?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
<channel>
<title>elevenj11のブログ</title>
<link>https://ameblo.jp/elevenj11/</link>
<atom:link href="http://rssblog.ameba.jp/elevenj11/rss20.xml" rel="self" type="application/rss+xml" />
<atom:link rel="hub" href="http://pubsubhubbub.appspot.com" />
<description>ブログの説明を入力します。</description>
<language>ja</language>
<item>
<title>KaggleでQwen Imageを動かす：T4・INT8の生成速度とVRAM使用量を実測</title>
<description>
<![CDATA[ <div class="notranslate" lang="ja" style="line-height:1.9;" translate="no"><p style="margin:0 0 1em;"><strong>KaggleのTesla T4で、Qwen-Image-2.1 Standard INT8をComfyUIから実行し、画像生成に成功しました。</strong>&nbsp;</p><p style="margin:0 0 1em;">解像度1024 × 1024、25ステップの設定で、最初の3回のワークフロー実行時間は184〜193秒。使用中のGPUで観測したVRAM使用量の最大値は約14.34 GiBでした。</p><p style="margin:0 0 1em;">最初に生成したのは、赤いティーポットと白いカップの画像です。その後、別のプロンプトでも2回生成し、いずれも正常に完了しました。さらに、モデルを保存した非公開Kaggle Datasetを新しいセッションに接続し、重みを再ダウンロードせずに画像を生成できることも確認しました。</p><p style="margin:0 0 1em;">この記事では、KaggleでQwen Imageを動かすために使用した構成、実測値、途中で発生した問題をまとめます。T4は2枚利用可能でしたが、今回の推論で使われたのはGPU 0のみで、GPU 1はほぼ待機状態でした。</p><p style="margin:0 0 1em;"><img alt="KaggleのT4でQwen-Image-2.1 INT8を使用して生成した、赤いティーポットと白いカップ" src="https://blog-eleven.vercel.app/qwen-image-2-1-kaggle-t4-teapot.webp" style="max-width:100%;height:auto;" width="600"></p><p style="margin:0 0 1em;"><em>最初に生成したティーポットとカップの画像。解像度1024 × 1024、25ステップ。</em></p><h2>それまでの試行：GGUF、CPUオフロード、Turbo</h2><p style="margin:0 0 1em;">今回のKaggleでのQwen Image実測に先立ち、Museを使った試行では、次の3つの構成が試されていました。</p><ul><li><strong>V4：</strong> GGUF形式のDiTと8ビットのテキストエンコーダーを使用。読み込み後に、異なるデバイス間のテンソル処理でエラーが発生しました。</li><li><strong>V6：</strong> GPUを1枚に限定し、CPUオフロードを使用。画像生成中にGPUメモリが不足しました。</li><li><strong>Turbo構成：</strong> ComfyUI用の3ファイルをダウンロードしたものの、約1時間半待っても正常に起動しませんでした。</li></ul><p style="margin:0 0 1em;">これらは以前の試行についての記録に基づくもので、当時のログは再確認していません。今回の作業では、古いセッションがまだ動いていたことを確認し、停止しました。</p><p style="margin:0 0 1em;">新しい試行では、Standard INT8と<a href="https://docs.comfy.org/tutorials/image/qwen/qwen-image-2-1">ComfyUIの公式ワークフロー</a>に構成を絞りました。量子化形式、GPUへの配置、サンプリング設定を揃え、モデルの読み込みから画像の保存まで、一つの構成を通して検証する方針です。</p><h2>Kaggleでのモデルダウンロードとセッション切り替え</h2><p style="margin:0 0 1em;">当初はGPU時間を節約するため、CPUセッションでモデルをダウンロードしてからGPUに切り替える予定でした。</p><p style="margin:0 0 1em;">ファイルの合計サイズは約17 GB。ダウンロード後に「Files only」を有効にしてGPUへ切り替えたところ、古いセッションのファイルをアップロードする処理で待機状態になりました。約12分経過しても、明確な進展は見られませんでした。</p><p style="margin:0 0 1em;">そこで、GPUセッション内でQwen Imageのモデルを直接ダウンロードする方法に変更しました。容量が約20 GBだった作業ディレクトリを埋めないよう、空き容量の多い一時ディレクトリを使用しました。以前のCPUセッションにあるファイルは、そのまま残しました。</p><p style="margin:0 0 1em;">ダウンロード完了後は、ComfyUIを起動する前にファイルのハッシュを確認しました。</p><p style="margin:0 0 1em;">また、別の理由で手動停止した場面もありました。当初設定していた作業全体の20分という制限に近づいたため、いったん処理を停止したのです。その後、時間制限を解除し、ディスク上にあるファイルを使って再開しました。この中断は時間制限によるもので、GPUメモリ不足による停止ではありませんでした。</p><h2>動作したQwen Image INT8のモデルとComfyUI設定</h2><p style="margin:0 0 1em;">Kaggleで正常に動作した構成では、<a href="https://huggingface.co/Comfy-Org/Qwen-Image-2.1">Comfy-Org/Qwen-Image-2.1</a>から次の3ファイルを使用しました。これは<a href="https://huggingface.co/Qwen/Qwen-Image-2.1">Qwenのオリジナルモデル</a>をComfyUI向けにまとめたものです。</p><ul><li>qwen_image_2.1_int8_convrot.safetensors</li><li>qwen3vl_8b_int8_convrot.safetensors</li><li>qwen_image_2.1_vae_bf16.safetensors</li></ul><p style="margin:0 0 1em;">最初の2つが拡散モデルとテキストエンコーダー、3つ目がVAEです。この記事ではStandard INT8構成と呼んでいますが、<strong>VAEの精度はBF16のまま</strong>です。</p><p style="margin:0 0 1em;">KaggleのT4でQwen Imageを実行する際は、ComfyUIに <code>--lowvram</code> と <code>--force-fp16</code> を指定しました。ログ上でも、低VRAMモードと動的VRAM管理が有効になっていることを確認しました。</p><p style="margin:0 0 1em;">最初の3回は、以下の設定を共通にし、プロンプトだけを変更しました。</p><table border="1" cellpadding="8" cellspacing="0"><tbody><tr><th>パラメーター</th><th>設定値</th></tr><tr><td>解像度</td><td>1024 × 1024</td></tr><tr><td>ステップ数</td><td>25</td></tr><tr><td>バッチサイズ</td><td>1</td></tr><tr><td>CFG</td><td>1</td></tr><tr><td>サンプラー／スケジューラー</td><td>euler／simple</td></tr><tr><td>Denoise</td><td>1</td></tr><tr><td>Seed</td><td>593103825222985</td></tr></tbody></table><p style="margin:0 0 1em;">ワークフローは、モデルの読み込み、プロンプトのエンコード、サンプリング、VAEによるデコード、PNG保存の順で進みます。</p><p style="margin:0 0 1em;">実行前には必要なノードが利用可能かを確認しました。各実行後には、処理が正常に終了したこと、PNG全体を読み込めること、画像サイズが設定どおりであることを確認しています。</p><h2>KaggleでのQwen Image生成速度とVRAM使用量</h2><p style="margin:0 0 1em;">最初のプロンプトは、テーブルの上に置かれた小さな赤い陶器のティーポットと、その隣にある白いカップというシンプルな静物でした。プロンプトから保存画像までの処理を確認するための題材です。</p><p style="margin:0 0 1em;">その後、同じ設定で人物アート系のプロンプトを2つ試しました。どちらもメモリ不足のエラーなく完了し、出力を確認しました。この2枚は記事には掲載していません。</p><p style="margin:0 0 1em;">最初の3回の実測値は次のとおりです。</p><table border="1" cellpadding="8" cellspacing="0"><tbody><tr><th>実行</th><th>ComfyUIワークフロー時間</th><th>スクリプトで記録した合計時間</th><th>GPU 0の観測最大VRAM</th></tr><tr><td>1枚目</td><td>192.57秒</td><td>207.41秒</td><td>14683 MiB</td></tr><tr><td>2枚目</td><td>188.57秒</td><td>211.39秒</td><td>14681 MiB</td></tr><tr><td>3枚目</td><td>184.42秒</td><td>200.37秒</td><td>14681 MiB</td></tr></tbody></table><p style="margin:0 0 1em;">Kaggle上のQwen Imageワークフロー自体は、1回あたり約3分でした。サービス起動、完了待ち、出力確認まで含めると、約3分20秒〜3分30秒です。</p><p style="margin:0 0 1em;">この合計時間には、モデルのダウンロードと依存関係のインストールは含めていません。また、ワークフロー時間はサンプリングだけでなく、ComfyUIのワークフロー全体を対象にしています。</p><p style="margin:0 0 1em;">GPUメモリは約2秒間隔で取得し、各実行のサンプル数は101、103、98でした。観測した最大使用量は約14.34 GiBです。サンプル間に発生した短いピークは記録されていない可能性があります。</p><p style="margin:0 0 1em;">GPUの使われ方も明確でした。GPU 0は観測時の使用率が100%に達しましたが、GPU 1はメモリ使用量が約3 MiB、使用率が0%のままでした。<strong>T4を2枚使える環境でも、今回のQwen Image構成は実質的に単一GPUで動作していました。</strong></p><p style="margin:0 0 1em;">システムRAMについては、ログに約30 GiBの上限が表示されていました。最初の3回ではプロセスの最大メモリ使用量を記録していないため、実測ピーク値はありません。</p><h2>Qwen Imageのモデルを非公開Kaggle Datasetに保存する</h2><p style="margin:0 0 1em;">画像生成に成功した後、3つのモデルファイルとマニフェストを、非公開のKaggle Datasetに保存しました。</p><p style="margin:0 0 1em;">DatasetのVersion 1には4ファイルが含まれ、合計サイズは約17.28 GBでした。生成画像は保存していません。</p><p style="margin:0 0 1em;">Datasetの接続では、最初にエラーが発生しました。アップロードとサーバー側の処理が完了した後、SDKからの接続で次のメッセージが返されました。</p><p style="margin:0 0 1em;"><code>Failed to get session</code></p><p style="margin:0 0 1em;">Notebookの「Add Input」でも、一時的に次のエラーが表示されました。</p><p style="margin:0 0 1em;"><code>An error occurred updating the session</code></p><p style="margin:0 0 1em;">最終的にはDatasetを接続できました。マウントされたモデルファイルを読み込み、SHA256ハッシュを計算したところ、3ファイルすべてが元のファイルと一致しました。マニフェストも一致し、入力ディレクトリが読み取り専用であることも確認しました。</p><p style="margin:0 0 1em;">ここまでで確認できたのは、保存したQwen Imageのファイルが元のセッションから正しく利用できることです。次に、新しいセッションでも画像生成まで完了するかを試しました。</p><h2>新しいGPUセッションでQwen Imageを再実行する</h2><p style="margin:0 0 1em;">新しいKaggleセッションでは、以前のComfyUIディレクトリが存在しないことを最初に確認しました。</p><p style="margin:0 0 1em;">その後、非公開Datasetを接続し、3つのモデルファイルのハッシュを再確認しました。検証済みのファイルから、ComfyUIが参照する場所へシンボリックリンクを作成しています。</p><p style="margin:0 0 1em;">新しいセッションでも実行環境の準備は必要でしたが、モデルの重みを外部からダウンロードする処理はありませんでした。最初のティーポットと同じプロンプト、同じサンプリング設定で、再び画像を生成できました。</p><table border="1" cellpadding="8" cellspacing="0"><tbody><tr><th>新規セッションでの計測項目</th><th>時間</th></tr><tr><td>環境とモデルの準備</td><td>140.48秒</td></tr><tr><td>ComfyUIワークフロー実行</td><td>168.44秒</td></tr><tr><td>サービス起動から出力確認まで</td><td>199.37秒</td></tr><tr><td>準備開始から確認完了までの全体</td><td>341.78秒</td></tr></tbody></table><p style="margin:0 0 1em;">新しいセッションでの全体時間は、約5分42秒でした。Kaggleのキュー待ちやセッション割り当て待ちは含めていません。</p><p style="margin:0 0 1em;">また、ワークフロー実行時間は「サービス起動から出力確認まで」に含まれています。表の4行を足し合わせるものではありません。</p><p style="margin:0 0 1em;">この再利用テストでは、GPU 0の観測最大VRAM使用量は14753 MiBでした。GPU 1は約3 MiBのままで、今回も実質的に単一GPUでの推論でした。</p><p style="margin:0 0 1em;">新しく生成したティーポット画像を元の画像とピクセル単位で比較したところ、<strong>ピクセルは完全に一致しました。</strong> PNGファイルのハッシュは異なりましたが、出力名などの埋め込みメタデータが異なっていたためです。この比較結果は、記録した環境で生成した2枚についてのものです。</p><p style="margin:0 0 1em;">これで、非公開Datasetの接続、ファイル検証、画像生成、出力確認まで、新しいKaggleセッションで一通り実行できました。テスト後はGPUセッションを停止しました。</p><h2>Qwen Image実測時のバージョンとリビジョン</h2><p style="margin:0 0 1em;">正常に動作したKaggle環境のバージョンは以下のとおりです。</p><ul><li>Python：3.13.16</li><li>PyTorch：2.11.0+cu130</li><li>ComfyUI：0.37.0</li><li>comfy-kitchen：0.2.35</li><li>comfy-aimdo：0.5.5</li><li>Attention：PyTorch attention</li><li>ComfyUIコミット：93810483a4739a1588236919a3128d3070244146</li><li>モデルリビジョン：aacf31a6d48e707f352ecba714cee0680da3479b</li><li>公式ワークフローのリビジョン：a7acaf8cee9ccccdaf4b26ce04a9fced4c4d13de</li></ul><p style="margin:0 0 1em;">この記事の実測値は、最初の3回の画像生成レポートと、新規セッションでの再利用テストに基づいています。</p><p style="margin:0 0 1em;">ログ、ワークフロー、環境のバージョン、インストール済みパッケージ一覧は保存しました。ただし、すべての依存関係を固定したわけではないため、環境を変更した場合は再確認が必要です。</p><h2>今回のKaggle Qwen Image構成で確認できたこと</h2><p style="margin:0 0 1em;">今回確認した条件は、<strong>1024 × 1024、25ステップ、1回につき1枚の画像生成</strong>です。</p><p style="margin:0 0 1em;">GPUセッション内で直接モデルをダウンロードし、ハッシュを確認して、同じ設定で実行することで生成に成功しました。その後は、非公開Datasetからモデルを読み込むことで、重みを再ダウンロードせずに新しいセッションでも再実行できました。</p><p style="margin:0 0 1em;">より高い解像度、大きなバッチサイズ、2枚目のGPUを使った推論は、まだ試していません。今回の構成は、それらを検証する際に比較できる動作済みの基準になります。</p><p style="margin:0 0 1em;">生成した画像をWebサイトで公開する場合は、<a href="https://blog-eleven.vercel.app/posts/image-search-and-other-search-entrances/">画像プレビューから実際の利用につなげるガイド</a>で、画像を説明する文脈と、画像を開いた後に訪問者ができることを整理しています。</p><p style="margin:0 0 1em;">元の記事：<a href="https://blog-eleven.vercel.app/posts/qwen-image-kaggle-t4-int8/">Kaggle Qwen Image: T4 INT8 Speed and VRAM Test</a></p></div>
]]>
</description>
<link>https://ameblo.jp/elevenj11/entry-12984165732.html</link>
<pubDate>Wed, 11 Nov 2026 00:07:07 +0900</pubDate>
</item>
</channel>
</rss>
