2025-07-02

弁護士ドットコムに入社して1ヶ月が経ちました

11年弱お世話になったGMOペパボを退職しました。多くの方にお世話になりました。ありがとうございました。

そして早いもので弁護士ドットコムに入社して1ヶ月が経ちました。大枠の動きとしては 2nofa11 さんがポストした公式ブログのエントリと同様にオリエンテーションが行われ、すばやく馴染ませるための仕組みが多く用意されており、「知らない人がいっぱい・・」という状態は早々に解消されていきました。

特に、KnowWhoと呼ばれる1on1（世間一般で呼称されてるモノとはちょっと違うかも）では、部長,PO,PdM,TL といった12名の方々と30分ずつお話しでき、人となりはもちろん、事業の成り立ちや関係性を把握できて大変おもしろうれしい会でした。

特徴的だなぁと思った点をいくつか。

事業や技術の現状を共有・相談する Timebox が、様々なスコープで組まれていて「特徴あるなぁ」と感じた。セールスの方も多いし、様々な利用者の事例・知見が知れて面白い。「ステークホルダーの多いタスクを長く抱えていて心理的負荷ががが」といったことにもならなそう。

20%ルールがガッツリ機能しており、隔週丸一日が割り当てられていてプチハッカソン状態。 AIのノウハウを共有されてたり、 Difyで社内ドキュメント応答AI つくってたり、業務を楽にするツールを作っていたり、などなど（Mgrもゴリゴリ作ってる）。早速わたしも ISMAP の運用が楽にするツールを作って共有するLTなどを行ったりしました。

そんなこんなで、便利ツールが日々生まれ、共有もしっかりなされるので、業務プロセス改善が活発だし、受け入れの柔軟性も高い。配属されたチームではスクラムマスターな振る舞いをさせていただいているのだけど、こちらについても柔軟にレトロスペクティブの合意ができたり「こうしたら更にいいのでは！？」だとかが出てきて楽しい。

まだまだ色々あるのだけど、ひとまずここまで。

実績を積み上げて、信頼を内外でつかんで、良い世の中にしていきたい。

2023-08-22

PSM I の取得するのにやったことメモ

非公認でスクラムマスターをしてしまっていたので、資格をとっておきました。「kumak1はスクラムを知ってる」前提で色々やりとりできようになるので、大変便利。

学習

英語と日本語でスクラムガイドを読む
- https://scrumguides.org/
scrum.org の模試を解く
- https://www.scrum.org/open-assessments/scrum-open
- 30問しかないので、不足感は否めない。
- 100%回答を連続でできるようにして気分をアゲとく
- 「試験方法や問題文の傾向はこんな感じね」をつかんでおく
  - 私は「Google翻訳だときっついな」と感じたので DeepL 使えるようにしといた。トレーナーの方もオススメしてるし
  - 一方で、試験を英語でしか実施していないのは前からの私の気になるポイントです。ただそれに関しては最新の自動翻訳ツールを活用すれば、9割以上解決できます。私がやっている研修の受講者と色々試した結果、DeepLが間違えなくお勧めできるツールです。
    — Gregory Fontaine (@fontgregory) 2023年5月12日
ラーニングパスを一通り見ておく
- https://www.scrum.org/resources/suggested-reading-professional-scrum-master
- 出題範囲や大事な考え方も示されてる。
- 内容自体も面白いので楽しんで読んどく
問題集を解く
- Ultimate Scrum Master I (PSM I) Practice Assessment - TheScrumMaster.co.uk
- scrum.org 認定。スクラムガイド2020にも対応。
- 10£ で500問あるので安い
  - quizform とかで無料のモノも転がっているが、いかんせん問題数少ないし信頼性が・・
  - 結局、有料のしっかりしたモノを使うのが一番の近道
キーワードや関連性を図でまとめとく
- 私は文章の羅列を読んでいると目が滑って記憶定着に時間がかかるので、学習の際はよく図を描く
- 関連性、input output、責任者など、依存関係を位置や色などで表現できればOK

資格取得の対策としては上記。普段から会社でスクラムを実践したり、過去に本を何冊も読む・・という下積みはしていた

試験当日

英語の問題（翻訳ツールを使うが）を80問 60分で解かなきゃならない。選択式とはいえ「疲れるだろうな、途中で集中力切れそうだな」と思ったので対策しよう。

やることは単純

30分睡眠
シャワー浴びて血圧を上げる
https://www.scrum.org/open-assessments/scrum-open を10分くらいでピッと解いて脳を切り替えておく

試験の score は 91.3 だったので及第点かなと思います。（85/100 で合格）

次は PSM II や PSPO の学習を進めようかな

2023-08-15

M1 MAX な mac で StableDiffusion web UI で AnimateDiff を動かした際のメモ

技術

導入方法はコチラを参考に。

で、M1 MAX, 32GB RAM な環境だとそのままでは動かない。（なんやら pytorch のfloat精度が mac のMPSに対応していないっぽい）

ということで、 webui-macos-env.sh の記述を公式wiki でオプションを確認しつつ、以下のように書き換えたら動作した。

- export COMMANDLINE_ARGS="--skip-torch-cuda-test --upcast-sampling --no-half-vae --use-cpu interrogate"
+ export COMMANDLINE_ARGS="--skip-torch-cuda-test --no-half --use-cpu interrogate"

なお、そんなに生成は速くないので、どんなものかとりあえず見てみたい人向けでしかない。

2023-07-16

GitHub ActionsでUnityのWebGL Buildをしてレンタルサーバーに自動デプロイもしちゃう

unity vket

VKet にロリポップレンタルサーバーが出展してた。大変びっくり。

VR界隈がwebでコンテンツを公開するケース、真っ先に思いつくのはやっぱり、asset のサンプル置き場にしたり、ポートフォリオにすることかな〜？ VKet にきてるということは VR Chat を使ってるわけだし、 Unity の出力を公開できればよいでしょう。

「とりあえず」で「無料だし」でよく使われる GitHub Pages では、営利目的は規約違反なのと転送量100 GBで帯域制限があるので用途・規模によってはキビシイ。この懸念点を解消するにはレンタルサーバーがぴったりなので、なるほどねという感じ。（なおロリポの場合月額220円~ のライトプランで転送制限なし、ストレージ200GBあるので十分っぽい）

Unity の Build ってのも結構時間かかるので、「Buildの完了を待ってサーバーに転送して公開」は人間もPCも拘束時間が長くなるため大変面倒。 GitHub Actions を使って「最初にポチっとして、あとは完了通知を待つだけ」にして楽しよう、更新のハードル下げようってのがこのpostの目的です。

作業順序
実行方法
- tag をつける
- 手動実行
利用した GitHub Action について

作業順序

ワークフローファイルを用意しときました。（大体のユースケースをカバーできるはず・・）これを設置して設定を書けば終わり！

GitHub Actions に登録

Unity Projectのサンプルを参考に、自身のUnity Projectのリポジトリの .github/workflows に以下2ファイルを追加します。

Unity WebGL Build の設定

secrets		example
`UNITY_LICENSE`	公式ドキュメントの手順に沿って取得した `Unity_v20XX.x.ulf` の内容	`<?xml version="1.0" ...`
`UNITY_EMAIL`	Unity アカウントのメールアドレス	`xxx@gmail.com`
`UNITY_PASSWORD`	Unity アカウントのパスワード	`password`

FTPS の設定

FTPS を用いてサーバーにデプロイする場合は、以下の variables, setrets を登録します。

variables		example
`DEPLOY_PROTOCOL`	tagをpushした際のデプロイ方法を指定します	`ftps`

secrets		example
`FTPS_HOST`	ホスト名	`hostname`
`FTPS_USER`	ユーザー名	`user`
`FTPS_PASSWORD`	FTPのパスワード	`password`
`FTPS_PORT`	ポート	`21`
`FTPS_DEST_PATH`	サーバーのアップロード先のディレクトリパス。（末尾 `/` の必要があるので注意）	`~/html/webgl/`

SFTP の設定

SFTP を用いてサーバーにデプロイする場合は、以下の variables, setrets を登録します。

variables		example
`DEPLOY_PROTOCOL`	tagをpushした際のデプロイ方法を指定します	`sftp`

secrets		example
`SFTP_HOST`	ホスト名	`hostname`
`SFTP_USER`	ユーザー名	`user`
`SFTP_KEY`	サーバーにSSHログインできる秘密鍵	`-----BEGIN RSA PRIVATE KEY-----...`
`SFTP_PORT`	ポート	`22`
`SFTP_DEST_PATH`	サーバーのアップロード先のディレクトリパス。（実態はrsyncで転送されるので対象ディレクトリ内を丸ごと置き換える。ホームディレクトリは避けた方が無難だろう。ここら辺の挙動を変えるには https://github.com/marketplace/actions/ftp-deploy を参照して改変しましょう）	`~/html/webgl/`

注意秘密鍵は issueで問題を指摘されているのだが、現状は以下のコマンドのようにPEM形式で生成したモノでないと接続できない（2023年7月現在）

ssh-keygen -m PEM -t rsa -P "" -f afile

webサーバーの設定

利用するwebサーバーによっては、そのままでは WebGL アプリが実行できないことがある。公式ドキュメントを参考に設定ファイルを追加してあげよう。

ロリポップレンタルサーバーでは、以下の記述の .htaccess ファイルを配置すればOK

<IfModule mod_mime.c>

# The following lines are required for builds without decompression fallback, compressed with gzip
RemoveType .gz
AddEncoding gzip .gz
AddType application/octet-stream .data.gz
AddType application/wasm .wasm.gz
AddType application/javascript .js.gz
AddType application/octet-stream .symbols.json.gz

# The following lines are required for builds without decompression fallback, compressed with Brotli
RemoveType .br
RemoveLanguage .br
AddEncoding br .br
AddType application/octet-stream .data.br
AddType application/wasm .wasm.br
AddType application/javascript .js.br
AddType application/octet-stream .symbols.json.br

# The following line improves loading performance for uncompressed builds
AddType application/wasm .wasm

実行方法

サンプルの https://github.com/kumak1/webgl-build-exam/blob/main/.github/workflows/deploy.yml では以下２つの方法がとれます。

tag をつける

セマンティックバージョニング（ v1.0.0 など）の tag をつけて push する。

手動実行

Actions > Deploy > Run workflow で実行する。

利用した GitHub Action について

Unity の Build
- https://github.com/game-ci/documentation
FTPS（ロリポップなど）の場合の転送
- https://github.com/marketplace/actions/ftp-deploy
SFTP（ロリポップマネージクラウドなど）の場合の転送
- https://github.com/marketplace/actions/web-deploy-anything

GitHub Actions を用意するのは面倒かもしれませんが、はじめだけ設定してしまえば、

Unity を起動する必要がない
Actions の実行が始まったら放置でOK
Actions の完了通知がメール等で届く（設定しだい）
サーバーの接続情報とか引っ張り出す必要ない

などなどメリットたくさん。継続開発するものはとりあえず登録して、楽しちゃいましょう。

2023-04-08

Dependabot alerts を手軽に確認したいので GitHub CLI 拡張機能をつくった

技術

作ったもの

github.com

動機

Dependabot について

プロダクトをつくるとき、セキュリティ的に問題ないプログラムを書くのはもちろん、ライブラリに脆弱性が含まれていないか確認して適切にバージョンアップしていく必要がある。 GitHub を利用している人は Dependabot alert に検知を任せていると思う。大変便利。感謝が止まらない。

やりたいこと

検知した内容はブラウザ上で確認できるのだが、手元の terminal で片手間に Github CLI を叩いて情報取得できたら楽で嬉しい。

周辺情報の調査

Github CLI のマニュアルをみてもサブコマンドを見つけられなかった。それならと、誰かが拡張機能作ってないか確認してみたが、「dependabot が作成したPRの一覧取得・マージ操作」ができるものはあれど、alertの一覧取得などができるものはなかった。

それもそのはず、Dependabot の api は現在公開されている apiVersion=2022-11-28 ではパブリックベータ版の機能であり、 Enterprise では 2023/03/07 にリリースされた 3.8 から API利用可能・・と、ここ最近整備され始めたものなのだ。

なければ自分で作るしかないね。拡張機能とか手軽に作れるようになりたかったので、ちょうどいいし。

拡張機能の作成

参考資料

公式が拡張機能の作成方法マニュアルを用意してくれてる。なんやかんやこれが一番わかりやすい。

どう作っていったかをかいつまんで

CLI のコマンドオプションを雑に追加したかったので、 --precompiled=go を指定し bash ではなくGo で作成することにした。また、手間を省くための配慮があってすごくよかった。特に以下2つ。

gh extension install . でローカル拡張機能として追加できる
.github/workflows/release.yml は自動生成
- tag をつけてリモートにプッシュすればリリース完了

作成した拡張機能の便利ポイントアピール

公式のサブコマンドやよくある拡張機能と同様、カレントディレクトリのリポジトリ情報を取りたければ以下コマンドを叩くだけでよい。

gh dependabot-alerts

パッケージ管理や、alertの状態で絞り込むことも可能

gh dependabot-alerts --ecosystem npm --state open

host, owner, repo を指定すれば、カレントディレクトリがどこでも情報取得が可能（適宜 gh alias を登録しとくと便利）

gh dependabot-alerts --hostname github.com --owner kumak1 --repo gh-dependabot-alerts

同一 host, owner なら、複数リポジトリをまとめて取得も可能

gh dependabot-alerts --hostname github.com --owner kumak1 --repo gh-dependabot-alerts --repo kcg

よかったら使ってみてください

まとめ

「こんな機能欲しい」が結構気軽に開発・公開できて便利。初学者が Go でモノ作るとき「GitHubCLI拡張機能の公開」は良い第一目標になるやも。

2023-03-02

M1 Mac で Kohya版LoRA の学習環境のセットアップメモ（まだセットアップできていない）

技術

先日は stable diffusion を web ui で利用できるようにした。

kumak1.hatenablog.com

現在、世界中の人々が学習モデルを作っては公開されていて、ものすごい勢いだ。が、ものづくりする人間の端くれとしては、自分に都合が良いアウトプットをする道具にしなきゃならない。ので、LoRA (Low-Rank Adaptation) で学習モデルを作れるようにしよう。

昨今のデファクトスタンダードは kohya-ss/sd-scripts らしい。（こういった、皆が使うものを作れるようになりたいものです）これを web ui で操作できるようにしてくれた bmaltais/kohya_ss があるので、今回はこれを readme (windows向け) を M1 に読み替えながらセットアップしていく。

PyTorch は m1 でもピッとインストールできるが、 TensorFlow は conda から apple のライブラリ入れる必要があるので注意

# python を入れとく（python-tk@3.10が入ってると後々エラーになるのでインストールされてないことを確認しとく）
brew install python@3.10

# git clone
ghq get git@github.com:bmaltais/kohya_ss.git

# ディレクトリ移動（実際は peco で移動）
cd  ~/src/github.com/bmaltais/kohya_ss

# 仮想環境を構築しとく
python -m venv .venv
. .venv/bin/activate
pip3 install --upgrade pip

# PyTorch のインストール
pip3 install torch torchvision

# バージョン確認。>v1.12 であれば m1 gpu に対応している
% pip3 list | grep torch
torch              1.13.1
torchvision        0.14.1

# metal 対応版の TensorFlow を入れるには、condaからも色々入れる
brew install miniforge
conda install -c apple tensorflow-deps

# TensorFlow のインストール
pip3 install tensorflow-macos tensorflow-metal tensorboard

# バージョン確認
% pip3 list | grep tensor
tensorboard             2.11.2
tensorboard-data-server 0.6.1
tensorboard-plugin-wit  1.8.1
tensorflow-estimator    2.11.0
tensorflow-macos        2.11.0
tensorflow-metal        0.7.1

# diffusers の インストール
pip install diffusers

# インストール
# requirements.txt の tensorflow, tensorboard の行をコメントアウトしておく（前段でインストール済みなので）
pip install --use-pep517 --upgrade -r requirements.txt

# 実行環境に合わせた設定変更
accelerate config

設定はこんな感じで答えといた

% accelerate config
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------In which compute environment are you running?
This machine
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------Which type of machine are you using?
MPS
Do you wish to optimize your script with torch dynamo?[yes/NO]:yes
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------Which dynamo backend would you like to use?
inductor
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------Do you wish to use FP16 or BF16 (mixed precision)?
fp16
accelerate configuration saved at /Users/kumak1/.cache/huggingface/accelerate/default_config.yaml

GUI の起動起動

python ./kohya_gui.py

エラー

:memo: ディレクトリ指定の際にエラーとなる

_tkinter あたりで Main Thread がとれんらしいのだが・・どこを改修すればいいか皆目検討もつかん・・

2023-02-24 02:09:26.392 Python[10430:188815] *** Terminating app due to uncaught exception 'NSInternalInconsistencyException', reason: 'NSWindow drag regions should only be invalidated on the Main Thread!'
*** First throw call stack:
(
    0   CoreFoundation                      0x00000001b4e14418 __exceptionPreprocess + 176
    1   libobjc.A.dylib                     0x00000001b495eea8 objc_exception_throw + 60
    2   CoreFoundation                      0x00000001b4e3d830 _CFBundleGetValueForInfoKey + 0
    3   AppKit                              0x00000001b8012bd8 -[NSWindow(NSWindow_Theme) _postWindowNeedsToResetDragMarginsUnlessPostingDisabled] + 320
    4   AppKit                              0x00000001b8001730 -[NSWindow _initContent:styleMask:backing:defer:contentView:] + 816
    5   AppKit                              0x00000001b80013f4 -[NSWindow initWithContentRect:styleMask:backing:defer:] + 48
    6   libtk8.6.dylib                      0x000000015c44cd84 TkMacOSXMakeRealWindowExist + 524
    7   libtk8.6.dylib                      0x000000015c44ca68 TkWmMapWindow + 56
    8   libtk8.6.dylib                      0x000000015c3c0270 MapFrame + 76
    9   libtcl8.6.dylib                     0x000000015c2f4b94 TclServiceIdle + 84
    10  libtcl8.6.dylib                     0x000000015c2d8ef0 Tcl_DoOneEvent + 296
    11  libtk8.6.dylib                      0x000000015c440a28 TkpInit + 720
    12  libtk8.6.dylib                      0x000000015c3b9278 Initialize + 2292
    13  _tkinter.cpython-310-darwin.so      0x000000015b7e2a98 Tcl_AppInit + 80
    14  _tkinter.cpython-310-darwin.so      0x000000015b7dca98 Tkapp_New + 592
    15  _tkinter.cpython-310-darwin.so      0x000000015b7dc448 _tkinter_create + 580
    16  Python                              0x0000000100e04d7c cfunction_vectorcall_FASTCALL + 88
    17  Python                              0x0000000100eaccf8 call_function + 128
    18  Python                              0x0000000100eaa510 _PyEval_EvalFrameDefault + 43104
    19  Python                              0x0000000100e9ea5c _PyEval_Vector + 376
    20  Python                              0x0000000100db2eac _PyObject_FastCallDictTstate + 96
    21  Python                              0x0000000100e28abc slot_tp_init + 196
    22  Python                              0x0000000100e20a8c type_call + 288
    23  Python                              0x0000000100db2c44 _PyObject_MakeTpCall + 136
    24  Python                              0x0000000100eacd88 call_function + 272
    25  Python                              0x0000000100eaa538 _PyEval_EvalFrameDefault + 43144
    26  Python                              0x0000000100e9ea5c _PyEval_Vector + 376
    27  Python                              0x0000000100ec52e4 _PyObject_VectorcallTstate.4671 + 96
    28  Python                              0x0000000100ec5198 context_run + 92
    29  Python                              0x0000000100e04ccc cfunction_vectorcall_FASTCALL_KEYWORDS + 84
    30  Python                              0x0000000100eaa6d8 _PyEval_EvalFrameDefault + 43560
    31  Python                              0x0000000100e9ea5c _PyEval_Vector + 376
    32  Python                              0x0000000100eaccf8 call_function + 128
    33  Python                              0x0000000100eaa498 _PyEval_EvalFrameDefault + 42984
    34  Python                              0x0000000100e9ea5c _PyEval_Vector + 376
    35  Python                              0x0000000100eaccf8 call_function + 128
    36  Python                              0x0000000100eaa498 _PyEval_EvalFrameDefault + 42984
    37  Python                              0x0000000100e9ea5c _PyEval_Vector + 376
    38  Python                              0x0000000100db5fb8 method_vectorcall + 388
    39  Python                              0x0000000100f6cc44 thread_run + 120
    40  Python                              0x0000000100f0ba90 pythread_wrapper + 48
    41  libsystem_pthread.dylib             0x00000001b4cba06c _pthread_start + 148
    42  libsystem_pthread.dylib             0x00000001b4cb4e2c thread_start + 8
)
libc++abi: terminating with uncaught exception of type NSException
zsh: abort      python3 ./kohya_gui.py

OK、いきなりGUIに行こうとした私が悪かった。作者も Windows PC + NVIDIA GPU を想定したアプリだししゃーない。 CUIのミニマム構成で行こう

kohya-ss/sd-scripts で実行

サンプルとして使える画像とコードは、作者本人のブログからお借りするセットアップ方法は bmaltais/kohya_ss の時とほとんど変わらない。

学習のコマンド

accelerate launch --num_cpu_threads_per_process 4 train_network.py \
    --pretrained_model_name_or_path="~/Downloads/lora_train_sample_pack/model.ckpt" \
    --train_data_dir="~/Downloads/lora_train_sample_pack/train" \
    --reg_data_dir="~/Downloads/lora_train_sample_pack/reg" \
    --prior_loss_weight=1.0 --resolution 512 \
    --output_dir="~/Downloads/lora_train_sample_pack/lora_output" \
    --output_name=cjgg_frog \
    --train_batch_size=4 --learning_rate=1e-4 --max_train_epochs 4 \
    --use_8bit_adam --mixed_precision=fp16 --save_precision=fp16 \
    --seed 42 --save_model_as=safetensors --save_every_n_epochs=1 \
    --max_data_loader_n_workers=1 \
    --network_module=networks.lora --network_dim=4 \
    --training_comment="activate by usu frog"

が、エラー

prepare tokenizer
Use DreamBooth method.
prepare train images.
found directory 20_usu frog contains 15 image files
300 train images with repeating.
prepare reg images.
found directory 1_frog contains 50 image files
50 reg images.
loading image sizes.
100%|██████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 65/65 [00:00<00:00, 8185.60it/s]
prepare dataset
prepare accelerator
/Users/kumak1/src/github.com/kohya-ss/sd-scripts/.venv/lib/python3.10/site-packages/torch/cuda/amp/grad_scaler.py:118: UserWarning: torch.cuda.amp.GradScaler is enabled, but CUDA is not available.  Disabling.
  warnings.warn("torch.cuda.amp.GradScaler is enabled, but CUDA is not available.  Disabling.")
Using accelerator 0.15.0 or above.
load Diffusers pretrained models

accelerate config で mps を指定しているのだけど、アプリケーションの挙動は CUDA 使おうとしている。

感想

うーん、学習をさせるなら、やっぱり利用者の多い Windows を使うのが今はまだ安牌かな・・しかし、ずっとぶん回しても問題ない消費電力と排熱な M1 Mac はやはり魅力的なので、引き続き Mac で LoRA 学習できる方法を模索する。

また、stable-diffusion-webui はちゃんとうごいているので、これにbuilt in である hypernetwork の学習を試してみる

2023-02-22

M1 Mac で stable diffusion webui セットアップメモ

技術

stable-diffusion-webui を導入するぞおおかた https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Installation-on-Apple-Silicon に従ってセットアップしていく

# stable-diffusion-webui の instalation に従っとく
brew install cmake protobuf rust python@3.10 git wget

# path を通しとく
echo 'export PATH="/opt/homebrew/opt/python@3.10/libexec/bin:$PATH"' >> ~/.zshrc

# pip も一応 最新化しとく
pip3 install --upgrade pip

# git clone
ghq get https://github.com/AUTOMATIC1111/stable-diffusion-webui

# ディレクトリ移動（実際は peco で移動）
cd ~/src/github.com/AUTOMATIC1111/stable-diffusion-webui

# model のDL 
# https://huggingface.co/models?pipeline_tag=text-to-image&sort=downloads などから好きなものを選んで導入しとく
wget https://huggingface.co/runwayml/stable-diffusion-v1-5/resolve/main/v1-5-pruned-emaonly.safetensors
mv v1-5-pruned-emaonly.safetensors models/Stable-diffusion

# webui の起動
./webui.sh

これだけで起動するので大変お手軽なものである。あとは、好きな model を追加したり、LoRA を用いて自分でmodelを作ったりしてお好きに生成すればよい。

kumak1’s blog

kumak1のイラストや技術ログ