CUDAなんてない！Ryzen + RADEONのAMD環境でもStable Diffusionをローカルマシンで動かす。

いま一部で話題のStable Diffusion。
ちょっと前から出ているMidjourneyと同じく、「画像生成AIが言葉から連想して絵を書いてくれる」というツール。
今はツールだけど、そのうち色々なアプリ、サービスのいち機能に自然な形で組み込まれると思います。

それが自分のPCでも動くらしい！
それなら無駄にありあまるGPUパワー(というほどでもないけど)を使ってみたい！！
と思い立ち触ってみたけれど、基本NVIDIA＝CUDA推奨。

誰かRADEON=AMDでやってる奴いるでしょ！
と思ったら意外と日本の記事が出てこなくて苦労しましたとさ。

バイブル

基本この動画の通りにやっただけです。

が、これ系の知識が全く無かったので何回もやり直しました。
初めて動いた時は声がでたレベル。

当環境&必要なもの

• CPU：AMD Ryzen 9 5900X
• GPU：AMD RADEON 6800XT
• MEM：32GB
• Ubuntuユーザー名：dolls
• Ubuntuホスト名：grayhound
• ストレージ：100GB以上のSSD
• Linuxの基本的コマンドを叩ける知識

この記事の主な流れ

1. Ubuntsuのインストール
2. AMD GPUのLinuxインストール
3. Dockerのインストール
4. Stable Diffusionのインストール
5. 学習モデルのコピー
6. Condaの環境設定
7. PytorchのCUDA環境をROCｍで上書き
8. 完成
9. おまけ：トラブル事例など

Ubuntsuの用意

当初Windows上のWSL2で試してましたが断念。
空いてるSSDにUbuntsuをインストールし環境を構築しました。

このあとのツールにバージョン指定があります。
よってあえてUbuntu 20.04.4 LTS (Focal Fossa)を使います。
上記よりデスクトップイメージのISOファイルを落とし、RufusでインストールUSBメモリを作りました。

今はインストーラが親切なので特に注意はありません。
ターミナルとFirefoxがあればいいので、最小インストールで問題なしです。

Windows環境へのLinux SSD追加

気をつけたのはNVMeに入っているWindowsのゲーム環境を変化させない事。

今回UbuntuはSATA SSD 120GBを増やしてそれにインストールしました。
インストール先は手動設定を選び、一応16GBばかりのSwap領域を作成(要るこれ？)。そのあと残りをSATA SSDを”ext4、ルートディレクトリ”でフォーマット。

ブートローダ＝GRUBの書き込み先を、忘れずにSATA SSDに設定。
これでPCを入れるとSATA SSDのUbuntuが起動する環境になりました。
その時数秒出るGRUBでWindows Boot Loaderを選ぶとWindowsが起動する他、ASUSロゴでF8連打すればNVMeを直指定する事もできます。

RADEONドライバのインストール

AMDのGPGPU環境であるAMD ROCmをインストールします。
インストールドキュメントに従って進めていきました。

ROCm Installation Guide v5.0

Prerequisite Actions

前提ツールやユーザーの権限の設定を進めます。

$ sudo apt-get install wget
$ sudo apt-get install gnupg2

$ sudo apt list --installed | grep 'wget\|gnupg2'

$ sudo usermod -a -G video $LOGNAME
$ echo 'ADD_EXTRA_GROUPS=1' | sudo tee -a /etc/adduser.conf
$ echo 'EXTRA_GROUPS=video' | sudo tee -a /etc/adduser.conf
$ echo 'EXTRA_GROUPS=render' | sudo tee -a /etc/adduser.conf

How To Install ROCm

インストーラーのダウンロード＆導入。

$ sudo apt-get update
$ wget https://repo.radeon.com/amdgpu-install/21.50/ubuntu/focal/amdgpu-install_21.50.50000-1_all.deb
$ sudo apt-get install ./amdgpu-install_21.50.50000-1_all.deb

基本となる全部入りのROCmを入れます(dkmsは含めると失敗するので除外します)。
トータル1.3GBくらいあるので時間がかかります。

$ sudo amdgpu-install --usecase=rocm --no-dkms

Kernel Mode Driverのインストール

現時点ではうまくインストールされないdkms(カーネルモードドライバ)を手動でインストールします。

Installation Of Kernel Headers and Development Packages on Ubuntuを参考に手動インストールします。

dolls@grayhound:/tmp$ wget -q -O - https://repo.radeon.com/rocm/rocm.gpg.key | sudo apt-key add -
OK

dolls@grayhound:/tmp$ echo 'deb [arch=amd64] https://repo.radeon.com/amdgpu/latest/ubuntu focal main' | sudo tee /etc/apt/sources.list.d/amdgpu.list
deb [arch=amd64] https://repo.radeon.com/amdgpu/latest/ubuntu focal main

dolls@grayhound:/tmp$ sudo apt-get update
…
18.7 kB を 1秒 で取得しました (16.5 kB/s)
パッケージリストを読み込んでいます... 完了

dolls@grayhound:/tmp$ sudo apt install amdgpu-dkms

終わったらPCを再起動。

インストール後の確認

rocmifoとclinfoの両方で下記の様にデバイス詳細が出てくる事を確認します。
うまくGPUが認識されていないと、CPUだけの表示になります。

$ sudo dkms status
amdgpu, 5.13.11.21.50-1373477: added
amdgpu, 5.16.9.22.20-1438746~20.04, 5.15.0-46-generic, x86_64: installed

$ sudo /opt/rocm-5.0.0/bin/rocminfo
ROCk module is loaded
=====================
HSA System Attributes
=====================
Runtime Version: 1.1
System Timestamp Freq.: 1000.000000MHz
Sig. Max Wait Duration: 18446744073709551615 (0xFFFFFFFFFFFFFFFF) (timestamp count)
Machine Model: LARGE
System Endianness: LITTLE

==========
HSA Agents
==========
*******
Agent 1
*******
Name: AMD Ryzen 9 5900X 12-Core Processor
Uuid: CPU-XX
Marketing Name: AMD Ryzen 9 5900X 12-Core Processor
Vendor Name: CPU
Feature: None specified
Profile: FULL_PROFILE
Float Round Mode: NEAR
Max Queue Number: 0(0x0)
Queue Min Size: 0(0x0)
Queue Max Size: 0(0x0)
Queue Type: MULTI
Node: 0
Device Type: CPU
Cache Info:
L1: 32768(0x8000) KB
Chip ID: 0(0x0)
Cacheline Size: 64(0x40)
Max Clock Freq. (MHz): 3700
BDFID: 0
Internal Node ID: 0
Compute Unit: 24
SIMDs per CU: 0
Shader Engines: 0
Shader Arrs. per Eng.: 0
WatchPts on Addr. Ranges:1
Features: None
Pool Info:
Pool 1
Segment: GLOBAL; FLAGS: FINE GRAINED
Size: 32778432(0x1f428c0) KB
Allocatable: TRUE
Alloc Granule: 4KB
Alloc Alignment: 4KB
Accessible by all: TRUE
Pool 2
Segment: GLOBAL; FLAGS: KERNARG, FINE GRAINED
Size: 32778432(0x1f428c0) KB
Allocatable: TRUE
Alloc Granule: 4KB
Alloc Alignment: 4KB
Accessible by all: TRUE
Pool 3
Segment: GLOBAL; FLAGS: COARSE GRAINED
Size: 32778432(0x1f428c0) KB
Allocatable: TRUE
Alloc Granule: 4KB
Alloc Alignment: 4KB
Accessible by all: TRUE
ISA Info:
*******
Agent 2
*******
Name: gfx1030
Uuid: GPU-386fbea17c7c7a72
Marketing Name: AMD Radeon RX 6800 XT
Vendor Name: AMD
Feature: KERNEL_DISPATCH
Profile: BASE_PROFILE
Float Round Mode: NEAR
Max Queue Number: 128(0x80)
Queue Min Size: 4096(0x1000)
Queue Max Size: 131072(0x20000)
Queue Type: MULTI
Node: 1
Device Type: GPU
Cache Info:
L1: 16(0x10) KB
L2: 4096(0x1000) KB
L3: 131072(0x20000) KB
Chip ID: 29631(0x73bf)
Cacheline Size: 64(0x40)
Max Clock Freq. (MHz): 2575
BDFID: 2816
Internal Node ID: 1
Compute Unit: 72
SIMDs per CU: 2
Shader Engines: 8
Shader Arrs. per Eng.: 2
WatchPts on Addr. Ranges:4
Features: KERNEL_DISPATCH
Fast F16 Operation: TRUE
Wavefront Size: 32(0x20)
Workgroup Max Size: 1024(0x400)
Workgroup Max Size per Dimension:
x 1024(0x400)
y 1024(0x400)
z 1024(0x400)
Max Waves Per CU: 32(0x20)
Max Work-item Per CU: 1024(0x400)
Grid Max Size: 4294967295(0xffffffff)
Grid Max Size per Dimension:
x 4294967295(0xffffffff)
y 4294967295(0xffffffff)
z 4294967295(0xffffffff)
Max fbarriers/Workgrp: 32
Pool Info:
Pool 1
Segment: GLOBAL; FLAGS: COARSE GRAINED
Size: 16760832(0xffc000) KB
Allocatable: TRUE
Alloc Granule: 4KB
Alloc Alignment: 4KB
Accessible by all: FALSE
Segment: GROUP
Size: 64(0x40) KB
Allocatable: FALSE
Alloc Granule: 0KB
Alloc Alignment: 0KB
Accessible by all: FALSE
ISA Info:
ISA 1
Name: amdgcn-amd-amdhsa--gfx1030
Machine Models: HSA_MACHINE_MODEL_LARGE
Profiles: HSA_PROFILE_BASE
Default Rounding Mode: NEAR
Default Rounding Mode: NEAR
Fast f16: TRUE
Workgroup Max Size: 1024(0x400)
Workgroup Max Size per Dimension:
x 1024(0x400)
y 1024(0x400)
z 1024(0x400)
Grid Max Size: 4294967295(0xffffffff)
Grid Max Size per Dimension:
x 4294967295(0xffffffff)
y 4294967295(0xffffffff)
z 4294967295(0xffffffff)
FBarrier Max Size: 32
*** Done ***

$ sudo /opt/rocm-5.0.0/opencl/bin/clinfo
Number of platforms: 1
Platform Profile: FULL_PROFILE
Platform Version: OpenCL 2.2 AMD-APP (3406.0)
Platform Name: AMD Accelerated Parallel Processing
Platform Vendor: Advanced Micro Devices, Inc.
Platform Extensions: cl_khr_icd cl_amd_event_callback

Platform Name: AMD Accelerated Parallel Processing
Number of devices: 1
Device Type: CL_DEVICE_TYPE_GPU
Vendor ID: 1002h
Board name: AMD Radeon RX 6800 XT
Device Topology: PCI[ B#11, D#0, F#0 ]
Max compute units: 36
Max work items dimensions: 3
Max work items[0]: 1024
Max work items[1]: 1024
Max work items[2]: 1024
Max work group size: 256
Preferred vector width char: 4
Preferred vector width short: 2
Preferred vector width int: 1
Preferred vector width long: 1
Preferred vector width float: 1
Preferred vector width double: 1
Native vector width char: 4
Native vector width short: 2
Native vector width int: 1
Native vector width long: 1
Native vector width float: 1
Native vector width double: 1
Max clock frequency: 2575Mhz
Address bits: 64
Max memory allocation: 14588628168
Image support: Yes
Max number of images read arguments: 128
Max number of images write arguments: 8
Max image 2D width: 16384
Max image 2D height: 16384
Max image 3D width: 16384
Max image 3D height: 16384
Max image 3D depth: 8192
Max samplers within kernel: 29631
Max size of kernel argument: 1024
Alignment (bits) of base address: 1024
Minimum alignment (bytes) for any datatype: 128
Single precision floating point capability
Denorms: Yes
Quiet NaNs: Yes
Round to nearest even: Yes
Round to zero: Yes
Round to +ve and infinity: Yes
IEEE754-2008 fused multiply-add: Yes
Cache type: Read/Write
Cache line size: 64
Cache size: 16384
Global memory size: 17163091968
Constant buffer size: 14588628168
Max number of constant args: 8
Local memory type: Scratchpad
Local memory size: 65536
Max pipe arguments: 16
Max pipe active reservations: 16
Max pipe packet size: 1703726280
Max global variable size: 14588628168
Max global variable preferred total size: 17163091968
Max read/write image args: 64
Max on device events: 1024
Queue on device max size: 8388608
Max on device queues: 1
Queue on device preferred size: 262144
SVM capabilities:
Coarse grain buffer: Yes
Fine grain buffer: Yes
Fine grain system: No
Atomics: No
Preferred platform atomic alignment: 0
Preferred global atomic alignment: 0
Preferred local atomic alignment: 0
Kernel Preferred work group size multiple: 32
Error correction support: 0
Unified memory for Host and Device: 0
Profiling timer resolution: 1
Device endianess: Little
Available: Yes
Compiler available: Yes
Execution capabilities:
Execute OpenCL kernels: Yes
Execute native function: No
Queue on Host properties:
Out-of-Order: No
Profiling : Yes
Queue on Device properties:
Out-of-Order: Yes
Profiling : Yes
Platform ID: 0x7f30adf1dd90
Name: gfx1030
Vendor: Advanced Micro Devices, Inc.
Device OpenCL C version: OpenCL C 2.0
Driver version: 3406.0 (HSA1.1,LC)
Profile: FULL_PROFILE
Version: OpenCL 2.0
Extensions: cl_khr_fp64 cl_khr_global_int32_base_atomics cl_khr_global_int32_extended_atomics cl_khr_local_int32_base_atomics cl_khr_local_int32_extended_atomics cl_khr_int64_base_atomics cl_khr_int64_extended_atomics cl_khr_3d_image_writes cl_khr_byte_addressable_store cl_khr_fp16 cl_khr_gl_sharing cl_amd_device_attribute_query cl_amd_media_ops cl_amd_media_ops2 cl_khr_image2d_from_buffer cl_khr_subgroups cl_khr_depth_images cl_amd_copy_buffer_p2p cl_amd_assembly_program

$ lsmod | grep amdgpu
amdgpu 9797632 18
iommu_v2 24576 1 amdgpu
gpu_sched 45056 1 amdgpu
drm_ttm_helper 16384 1 amdgpu
ttm 86016 2 amdgpu,drm_ttm_helper
drm_kms_helper 307200 1 amdgpu
drm 618496 12 gpu_sched,drm_kms_helper,amdgpu,drm_ttm_helper,ttm
i2c_algo_bit 16384 2 igb,amdgpu

これでようやくLinuxのプログラムからRADEONを使う準備が整いました。

Dockerのインストール

Stable Diffusionの実行環境はdockerを利用します。

Ubuntuへのdockerインストールは、Ubuntu 20.04へのDockerのインストールおよび使用方法を参照しました。

ステップ1から2まで進めます。
環境ができた後もdockerコマンドはよく使います。Sudoなしのdocker実行設定はオススメです。

イメージを持ってくる

rocm/pytorch – Docker Image | Docker Hub

当初動画と異なるイメージを使ったらハマりました。
NAVI21(6800XT等)に対応してるImage Layer Details – rocm/pytorch:rocm5.2_ubuntu20.04_py3.7_pytorch_1.11.0_navi21 | Docker Hubを使います。

$ docker pull rocm/pytorch:rocm5.2_ubuntu20.04_py3.7_pytorch_1.11.0_navi21

イメージの実行

エイリアスでオプションを指定し、持ってきたイメージを実行します。

$ alias drun='sudo docker run -it --network=host --device=/dev/kfd --device=/dev/dri --group-add=video --ipc=host --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $HOME/dockerx:/dockerx'
$ drun rocm/pytorch:rocm5.2_ubuntu20.04_py3.7_pytorch_1.11.0_navi21

stable-diffusionのインストール

うまくdockerのコンテナが動けば(という表現が合っているか自信がない)、ルートプロンプト#になります。
その状態でいよいよStable Diffusionを持ってきます。

# mkdir /dockerx/rocm
# cd /dockerx/rocm
# git clone https://github.com/CompVis/stable-diffusion
Cloning into 'stable-diffusion'...
remote: Enumerating objects: 313, done.
remote: Total 313 (delta 0), reused 0 (delta 0), pack-reused 313
Receiving objects: 100% (313/313), 42.62 MiB | 19.97 MiB/s, done.
Resolving deltas: 100% (113/113), done.
root@grayhound:/dockerx/rocm#

プログラム自体はかなり小さい。

学習モデルをコピーする

学習モデルを公開しているHugging Faceにアカウントを登録します(手順割愛)。

CompVis/stable-diffusion-v-1-4-original

サイトにログインしている状態で、sd-v1-4.ckptをクリック。
4GBほどのファイルがダウンロードできます。

次にdockerの外のユーザー権限のターミナルからフォルダを作成。利便性のためアクセス件も付与します。
ディレクトリ名は小文字のみ使用のこと。

$ sudo chown -R $USER:$USER /home/dolls/dockerx/rocm/stable-diffusion
$ cd /home/dolls/dockerx/rocm/stable-diffusion/models/ldm
$ mkdir stable-diffusion-v1

ダウンロードしたファイルを”model.ckpt”にリネームし、作成したstable-diffusion-v1ディレクトリにコピーします。

Condaの環境設定

Condaを使ってStableDiffusionの依存パッケージをセットアップします。

root@grayhound:/dockerx/rocm# cd stable-diffusion/
root@grayhound:/dockerx/rocm/stable-diffusion# conda env create -f environment.yaml
Collecting package metadata (repodata.json): done
Solving environment: done

==> WARNING: A newer version of conda exists. <==
current version: 4.13.0
latest version: 4.14.0

Please update conda by running

$ conda update -n base -c defaults conda

Downloading and Extracting Packages
typing_extensions-4. | 42 KB | ########################################################################## | 100%
numpy-1.19.2 | 10 KB | ########################################################################## | 100%
....(中略)....
0.12.1 toml-0.10.2 toolz-0.12.0 torch-fidelity-0.3.0 torchmetrics-0.6.0 tornado-6.2 tqdm-4.64.0 traitlets-5.3.0 transformers-4.19.2 tzdata-2022.2 tzlocal-4.2 urwid-2.1.2 validators-0.20.0 watchdog-2.1.9 wcwidth-0.2.5 werkzeug-2.2.2 widgetsnbextension-4.0.2 yarl-1.8.1 zipp-3.8.1

done
#
# To activate this environment, use
#
# $ conda activate ldm
#
# To deactivate an active environment, use
#
# $ conda deactivate

環境設定が完了したら初期設定を実行しておきます

# conda init bash

PytorchのCUDA環境をROCｍで上書き

セットアップされたのはCUDA環境のため、ROCｍ(AMD)へ上書きします。
バイブルではこれをなぜか2回行ってます。
おそらくは通常環境にまずインストールし、さらにactivateした仮想環境にもインストールしているのでしょう。

Base環境のPytorchを上書き

Install PyTorchよりPIPを使った下記インストール文字列を作成します。
そしてinstallの後に”–upgrade”を追加して実行。

# pip3 install --upgrade torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/rocm5.1.1

ldm環境を別のシェルで開いて上書き

これまで触っていたターミナルと別のターミナルを起動します(これまでのは端においておく)。
そして”docker container ls”コマンドで実行しているコンテナのNAMESを確認。これは実行ごとに自動で割り振られる呼称のようです。

dolls@grayhound:~/デスクトップ$ sudo docker container ls
CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES
1f78219b061d rocm/pytorch:rocm5.2.3_ubuntu20.04_py3.7_pytorch_1.12.1 "bash" 15 seconds ago Up 14 seconds cranky_haslett

このときはcranky_haslettでした。
それを指定して新しいシェルを起動します。

dolls@grayhound:~/デスクトップ$ sudo docker exec -it cranky_haslett bash
(base) root@grayhound:/var/lib/jenkins#

上手くいけば、列の先頭に（base）がついたプロントになります。

開いたシェルを使い、conda環境をldmに切り替えます。
そしてLDM上で再度Pytorchをアップデートします。

(base) root@grayhound:/var/lib/jenkins# conda activate ldm
(ldm) root@grayhound:/var/lib/jenkins#
(ldm) root@grayhound:/var/lib/jenkins# pip3 install --upgrade torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/rocm5.1.1

すでにあるよと言われるファイルもあれば、新しくダウンロードするものもあります。
環境ごとに必要なのでしょう・・・と思うことにしました。

運命の初実行

いよいよ完成。
実行してみます。

(ldm) root@grayhound:/dockerx/rocm/stable-diffusion# cd /dockerx/rocm/stable-diffusion
(ldm) root@grayhound:/dockerx/rocm/stable-diffusion# python3 scripts/txt2img.py --prompt "apple" --H 512 --W 512 --n_iter 1 --ddim_steps 50 --n_sample 3
Downloading: 100%|██████████████████████████████| 342/342 [00:00<00:00, 323kB/s]
Downloading: 100%|█████████████████████████| 4.44k/4.44k [00:00<00:00, 4.14MB/s]
Downloading: 100%|█████████████████████████| 1.13G/1.13G [00:21<00:00, 55.8MB/s]
Global seed set to 42
Loading model from models/ldm/stable-diffusion-v1/model.ckpt

上手く行けば初回は色々とダウンロードが走ったのち、outputsディレクトリに画像ができます。
おめでとうございます。

うまく行ったとき

バイブルのコマンドでは512×512の画像が3枚、同じテーマで出力されます。
GPUが使われるため、3枚の作成は20−30秒ほどで完成。
これなら試行錯誤もしやすいし何より無料！！

試しにツール(後述)で温度や負荷などを確認してみました。
結構ゲーム中と同等の負荷がかかるようです(それはそうか)。

これはキーワード＝promptに”Landscape, photograph, hokkaido, winter mountain”とつけて生成された画像。
ちょっと山が不自然ですが、ありそうな風景が出力されています。これに”Japan”を入れると山が富士山になるの面白い。

コケたとき(メモリ不足)

# python3 scripts/txt2img.py --prompt "apple" --H 1920 --W 1080 --n_iter 1 --ddim_steps 10 --n_sample 1
・・・・
RuntimeError: HIP out of memory. Tried to allocate 31.29 GiB (GPU 0; 15.98 GiB total capacity; 4.31 GiB already allocated; 11.47 GiB free; 4.45 GiB reserved in total by PyTorch) If reserved memory is >> allocated memory try setting max_split_size_mb to avoid fragmentation.  See documentation for Memory Management and PYTORCH_HIP_ALLOC_CONF

画像解像度は如実にメモリを食うらしく、なかなか拡大できません。
16GBの容量があるRADEON 6800XTでもダメ。FullHDの画像を出そうとしたら31.3GB確保しなさいって言われました。
今の内訳を見ると16GBのうち4.5GBはPytorchにて予約済。11.4GBは使えるという事なのかな。

おまけ：オプション情報

Ubuntsuの日本語変換キー設定

Ubuntuデスクトップで日本語入力を使う場合、日本語切り替えキーは動作しないようです。
仮にCtrl+Spaceに割り当てるため、設定を行います。

1. 「設定」＞「地域と言語」を開き、「インストールされている言語の管理」を開く。
2. 追加データのインストールが始まる。
3. 左上タスクバーの言語をクリックし、”日本語(Mozc)”をクリック
4. ”ツール”が増えているのでプロパティを選択。
5. ”キー設定の選択”のドロップダウンで好みのIMEを選んだ後、「編集」を押す
6. 設定リストの項目名”入力キー”を押して割当キーごとにソート。
7. Ctrl+Spaceを使っているキーアサインを適当に変更して空ける。
8. 入力キーが”HANKAKU/ZENKAKU”になっているものをすべてCtrl+Spaceに変更する。

終わったら一度ログオフ＞ログインすると有効化されます。

時計設定

LinuxとWindowsのデュアルブート環境では、お互いを行き来すると時間がずれます。
CMOS上の時計の扱いの違いによるものなので、LinuxもWindowsと同じ動きをするようにします。

sudo hwclock --systohc --localtime

ハードウェア情報モニタツール

bmon

ターミナル内で動くネットワークトラフィックモニタ。
起動するとNICを選ぶだけのシンプル画面だけど、ウィンドウサイズを広げるとグラフ表示もしてくれます。
“l”キーでグラフだけの表示になります。

$ sudo apt-get install bmon

psensor

マザーボード上の温度やファン回転数、CPU使用率などをグラフ表示してくれます。

$ sudo apt-get install psensor

おまけ：トラブル事例

python環境でモジュール不足

videoと異なるdocker imageを使ったら、txt2img.pyが色々なモジュールを要求してきました。
それを避けるためにも、必ずバイブルと同じdocker imageを使うのが近道です。

conda activate ldmがエラー

ここでハマったのは、何度やってもconda activate ldmができないこと。

# conda activate ldm
EnvironmentNameNotFound: Could not find conda environment: ldm
You can list all discoverable environments with `conda info --envs`.

原因は上のconda create envする際に、ディスク容量が不足したこと。
それによりldmのディレクトリが不十分な形で居座ってしまいました。
ちゃんとconda create envが上手く行ったかは、condaの環境一覧を見るとわかります。

(base) root@grayhound:/var/lib/jenkins# conda info -e
# conda environments:
#
base * /opt/conda

baseしかない!

対応は/dockerx/rocm/stable-diffusion/ldmを削除。改めてconda create envからやり直しです。

dockerのイメージ、コンテナの整理

何度も試していたらディスクスペースが少なくなりました。
dockerのイメージやコンテナを整理しました。

Dockerイメージとコンテナの削除方法

コンテナの一括削除。
その後、停止しているコンテナから消えているか確認。

$ docker rm `docker ps -a -q`
$ docker ps -a

イメージの削除。
イメージのリストを見て”IMAGE ID”を確認。それを指定して個別に削除

$ docker images
$ docker rmi c2ed632773ee

イメージやコンテナを含むdockerのサイズチェックは”docker system df”でOK.

作ったcondaの環境が毎回消えてる

2回目からはイメージからではなく、コンテナから環境を起動する必要があります。
そのあたりを別記事にしました。

dockerというものに少しだけ詳しくなった日。そしてStable Diffusion雑感。

ASUSTek AMD Radeon RX 6800 XT 搭載 トリプルファンモデル 16G TUF-RX6800XT-O16G-GAMING

218,800円(11/21 12:42時点)

Amazon

ASUS NVIDIA GeForce RTX3090TI 搭載 ビデオカード TUF-RTX3090TI-O24G-GAMING black

598,680円(11/21 14:29時点)

Amazon