GeForce GTX 1050 Ti で Stable Diffusion web UI

先日使い始めたStable Diffusion web UIですが、やはりNVIDIA GeForce GTX 1050 Ti 4GBでは画像1枚生成するのに時間がかかります。

512x512サイズの画像そのままの状態で、平均すると33秒前後くらい。1024x1024にアップスケールすると、そこにプラスして3分～3分30秒の間くらい。

さて、この画像サイズを変化させていくと、GTX1050Tiではどこまで生成できるのか。参考までに試してみました。

今回試した環境

OS	Windows 11 Pro 22H2
CPU	Intel Core i5-11400
RAM	32GB（DDR4-3200 16GBx2）
SSD	Samsung SSD 980 Pro 500GB（システム用）
HDD	WesternDigital WD40EFRX 4TB（データ用）
GPU	NVIDIA GeForce GTX 1050 Ti 4GB

Stable Diffusionの設定

Checkpoint	darkSushi25D25D_v40
Sampling	Method:DDIM、Steps:25
Hires. fix	Latent (nearest-exact)、Upscale:2、Steps:25、Denoising:0.6
CFG	7

画像を生成してみる

以下のサイズで20回ずつ画像を生成して、最低値と最高値を除いた18回分の平均を出してみました。

512x512（1:1）	31秒＋Upscale:2分52秒	計3分23秒
600x450（4:3）	32秒＋Upscale:3分02秒	計3分34秒
640x360（16:9）	30秒＋Upscale:2分24秒	計2分54秒
640x400（16:10）	31秒＋Upscale:2分49秒	計3分20秒
640x480（4:3）	39秒＋Upscale:3分44秒	計4分23秒
620x465（4:3）	37秒＋Upscale:3分21秒	計3分58秒

640x480は、アップスケールの進捗率80％あたりで、およそ2～3割くらいの割合でメモリ不足エラーが発生します。起動時のパラメータを --medvram から --lowvram にしてもダメで、--xformers は有っても無くても変化なし。--always-batch-cond-uncond もつけてみたけど状況は改善せず。

ちなみに、各画像サイズのピクセル数を計算してみると…。

512x512：262,144ピクセル → 1,048,576ピクセル
600x450：270,000ピクセル → 1,080,000ピクセル
640x360：230,400ピクセル → 921,600ピクセル
640x400：256,000ピクセル → 1,024,000ピクセル
640x480：307,200ピクセル → 1,228,800ピクセル
620x465：288,300ピクセル → 1,153,200ピクセル

なんとなく、ざっくりと考えて、GTX1050Tiではアップスケール後のピクセル数110万～120万あたりにメモリ容量の限界点があるのか…も？

さいごに

ということで、アップスケールでの倍率を2倍に固定した状態で作成できる最大解像度を探してみたところ、GeForce GTX 1050 Tiでは元画像のピクセル数で約28万以内に抑えれば大丈夫そうだ、ということが分かりました。

もちろん、モデルデータ（checkpoint）によっても多少の変動はあると思いますが、

…と、ここまでいろいろ調べておきながら、実は新しいグラボ「GeForce RTX 3050」を購入してしまいました。本当は、今どき定番のRTX 3060にしたかったのですが、残念ながら今の電源では容量が足りないので、ひとつ下のグレードで。

この記事を書いている時点では、まだRTX 3050に差し替えていないので、この後さっそく交換してみたいと思います。どれくらい速くなるんだろう…わくわく。