- 글쓴시간
- 분류 기술,IT/하드웨어 정보
잠시 사용할 노트북에 있던 GPU다. MX250 이라는게 생소해서 찾아보니 GP108 을 사용한 그래픽카드로, 데스크탑으로 말하면 Geforce GT 1030 정도에 해당된다. MX250 은 이보다는 클럭이 높아 조금 더 빠를 것으로 생각한다.
그냥 특성은 1030 과 동일.
nVidia GeForce GT1030 (Inno3D) - GPU-Z
윈디하나의 블로그
윈디하나의 누리사랑방. 이런 저런 얘기
잠시 사용할 노트북에 있던 GPU다. MX250 이라는게 생소해서 찾아보니 GP108 을 사용한 그래픽카드로, 데스크탑으로 말하면 Geforce GT 1030 정도에 해당된다. MX250 은 이보다는 클럭이 높아 조금 더 빠를 것으로 생각한다.
그냥 특성은 1030 과 동일.
nVidia GeForce GT1030 (Inno3D) - GPU-Z
- 응답
- RSS / ATOM 피드를 통해 답글을 트랙할 수 있음
- 글쓴시간
- 분류 기술,IT/하드웨어 정보
잠시 사용중인 i7-10510U 의 스펙이다.
인텔이 워낙 이때쯤에는 삽질의 연속이었기 때문에 별로 기대는 안했다.
그런데 받은 노트북은 DDR4 메모리를 사용한데다 XMP 2.0 까지 지원되는 메모리를 사용하고 있었다.
두번째 채널에서는 XMP 를 지원하지 않는다.
성능은 그저 그렇다. 싱글이 450점 안팍대, 멀티가 2400점대가 나와야 하는데 안 나왔다. 이건 너무 차이나는 수치라 노트북이 시원해질 때 바로 테스트해봐야 겠다.
UHD Graphics 를 사용한다. 풀네임이 "Intel® UHD Graphics for 10th Gen Intel® Processors" 이다. UHD 600 보다는 좋을것으로 기대한다.
- 응답
- RSS / ATOM 피드를 통해 답글을 트랙할 수 있음
- 글쓴시간
- 분류 기술,IT/하드웨어 정보
이걸 쓰게 될줄이야. 아주 오래전에 사용하던 960M 보다도 안 좋다. 예전이라면 감지덕지했겠지만, 지금은 영.
- 응답
- RSS / ATOM 피드를 통해 답글을 트랙할 수 있음
- 글쓴시간
- 분류 기술,IT/하드웨어 정보
잠시 사용중인 i7-8550U 의 스펙이다.
생각보다는 빠르다는 생각이지만, 노트북의 냉각이 원활하지 않은지 약간만 부하걸려도 스로틀링 걸린다. 속도가 현저히 느려지다가 발열이 어느정도 해소된 후에는 원래 성능으로 돌아온다.
CPU에서 DDR4-2400 을 지원하기 때문에 DRAM Frequency 가 1200 MHz 으로 세팅되었다.
메모리는 DDR4-2400 이다.
벤치마크는 괜찮게 나왔다.
내장 그래픽은 UHD 620 으로 그냥 그저 그런 편. i7-7500 과 큰 차이가 없다. GPU 가 동일하다.
- 응답
- RSS / ATOM 피드를 통해 답글을 트랙할 수 있음
- 글쓴시간
- 분류 기술,IT/스테이블 디퓨전
※ 원칙적(?)으로는 아래와 같이 사용할 수 있다.
1. https://huggingface.co/black-forest-labs/FLUX.1-dev/tree/main (공식 리포지토리)
flux1-dev.safetensors 및 ae.safetensors 파일 다운로드
2. https://huggingface.co/comfyanonymous/flux_text_encoders/tree/main
clip_l.safetensors 및 t5xxl_fp16.safetensors 파일 다운로드
-> 공식 리포지토리의 text_encoder, text_encoder_2 아래에 있는 파일과 같은 파일이다.
3. 다운로드 받은 파일을 stable-diffusion-webui-forge 의 디렉토리로 옮김
flux1-dev.safetensors -> models/Stable-diffusion/ ae.safetensors -> models/VAE/ clip_l.safetensors -> models/text_encoder/ t5xxl_fp16.safetensors -> models/text_encoder/3. stable-diffusion-webui-forge 실행 후, 아래와 같이 세팅
UI: flux
CheckPoint: flux1-dev
VAE / TextEncoder: clip_l.safetensors, t5xxl_fp16.safetensors, ae.safetensors
4. GERERATE 버튼 클릭!
- 이렇게 실행하려면 최소한 24GB VRAM 을 가진 nVidia GPU 와 64GB 의 시스템 메모리가 필요하다.
- 일부 파일은 여기서 받음: https://huggingface.co/camenduru/FLUX.1-dev/tree/main
※ FP8, NF4으로 구성
속도를 빠르게 하고 메모리 사용량을 줄이기 위한 목적으로 FP8 이나 NF4 를 사용한 모델을 사용할 수 있다. 이걸로 해야 필자의 사양(RTX 2060 12GB, MEMORY 64GB)에서 실행된다.
t5xxl_fp16.safetensors -> t5xxl_fp8_e4m3fn.safetensors https://huggingface.co/comfyanonymous/flux_text_encoders/tree/main
flux1-dev.safetensors -> flux1-dev-fp8.safetensors https://huggingface.co/Kijai/flux-fp8/tree/main
flux1-dev.safetensors -> flux1-dev-bnb-nf4-v2.safetensors https://huggingface.co/lllyasviel/flux1-dev-bnb-nf4/tree/main
아니면 아래의 All-in-one 타입 을 사용할 수 있다.
https://huggingface.co/Comfy-Org/flux1-dev/tree/main FP8
※ 메모리 구성
전용 GPU 메모리(Dedicated GPU Memory): GPU 의 VRAM 용량
공유 GPU 메모리(Shared GPU Memory): GPU 에 의해 공유되는 시스템 메모리. 사용 가능한 용량은 시스템 메모리의 절반
- 스왑 메모리 위치
-- CPU: 모델을 GPU 메모리 및 시스템 메모리에 위치
-- Shared: 모델을 GPU 메모리 및 공유 GPU 메모리에 위치. 좀 더 빠른 대신 실행 이슈(크러시)가 발생할 수 있다.
- GPU Weights (MB): GPU 에 적재할 모델의 크기. 크면 클수록 좋지만, 이미지 생성시에도 GPU 메모리를 필요로 하기 때문에 적당히 조절해야 한다.
- 스왑 메쏘드
-- Queue: 모델 적재 -> 연산 -> 다른 모델 적재 -> 연산의 순서로 차례대로 진행된다.
-- Async: 모델 적재 -> 연산 및 다른 모델 적재 -> 연산 및 다른모델 적재 의 순서로 동시에 처리된다. Queue 보다 빠르지만, 모델에 따라 갑자기 매우 느려질때가 있다. Async 와 Queue 를 비교해보고 빠른걸 선택하자.
CivitAI 에 공개된 이미지 프롬프트를 보고 따라한 그림. FLUX 로 생성했다. https://civitai.com/images/31943195
https://github.com/lllyasviel/stable-diffusion-webui-forge/discussions/981
- 응답
- RSS / ATOM 피드를 통해 답글을 트랙할 수 있음