【AIart】[Google colab] 諦めません低スペックパソコンでもAIArtを作れるまでは！第1弾（失敗）

【結論】2023/4月頃　無料での使用ができなくなりました
Google colabとは

【結論】2023/4月頃　無料での使用ができなくなりました

生成AIブームがおきGoogle Colab上でWebUI(Stable Diffusion)を実行する人たちが急増し、GoogleのGPUリソースが圧迫され、Googleチームの予算では対応できない規模になった影響で、GoogleColab無料版でWebUIを利用することは規約違反になりました。

Google Colabの規約変更無料枠でWebUIの使用制限 | Code Wizardry
リンク先のサイトで詳しく説明されていますので、是非ご一読ください。

Google colabとは

Google Colabは、Googleが提供するオンラインのプログラミング環境です。これを使うと、Pythonというプログラミング言語でコードを書いて実行することができます。特に、機械学習やデータ分析のような作業に便利です。

Google Colabの主な特徴は次のとおりです：

無料で利用できる：Googleのアカウントがあれば誰でも無料で使えます。お金を払わなくても使えるので、手軽に試してみることができます。
ブラウザ上ですぐに使える：特別なソフトウェアのインストールは必要ありません。インターネットに接続されたブラウザがあれば、どこからでもアクセスできます。
コードを書いて実行できる：Pythonのコードを書いて、その場で実行することができます。プログラムの結果をすぐに確認することができます。
データの保存と共有が簡単：GoogleのクラウドストレージであるGoogle Driveと連携しているため、データやノートブックを保存したり、他の人と共有したりすることが簡単です。
機械学習のための特殊な計算機能が使える：機械学習の作業には高速な計算が必要ですが、Google Colabでは特別な計算機能（GPUやTPU）を使うことができます。

Google Colabを使うには、Googleのアカウントでログインして、Colabのウェブサイトにアクセスします。そこで、Pythonのコードを書いたり、実行したりすることができます。例えば、データの分析や機械学習のモデルの作成など、さまざまな作業に活用できます。

Google ColabでStable Diffusion web UIを動かす

Google Colabでaiart（AIによる芸術作品）を作成する手順を簡単に説明します。

1.Google Colabにアクセス: GoogleアカウントでGoogle Colabのウェブサイトにアクセスします。

2.新しいノートブックの作成: Colabのホーム画面で、「新しいノートブック」を選択して新しいノートブックを作成します。
「ファイル」＞「ノートブックの新規作成」をクリック

3.ランタイムの設定:
ランタイムのタイプを設定する: 「ランタイム」→「ランタイムのタイプを変更」
ハードウェアアクセラレータ：「GPU」
GPUのタイプ：「T4」を選択します。
これにより、AIモデルのトレーニングや生成が高速化されます。

４.Google Colab「コード」を入力: 先ほど作成した新しいノートに「コードを入力します。」
「コード」は下の□ないをコピペしてください。

「張り付けるコード」：濃い□の中の文章をコピペしてください。

!git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui
%cd /content/stable-diffusion-webui

!wget https://huggingface.co/nuigurumi/basil_mix/resolve/main/Basil_mix_fixed.safetensors -O /content/stable-diffusion-webui/models/Stable-diffusion/Basil_mix_fixed.safetensors
!wget https://huggingface.co/stabilityai/sd-vae-ft-mse-original/resolve/main/vae-ft-mse-840000-ema-pruned.safetensors -O /content/stable-diffusion-webui/models/VAE/vae-ft-mse-840000-ema-pruned.safetensors

!python launch.py --share --xformers --enable-insecure-extension-access

https://original-game.com/how-to-try-stable-diffusion-web-ui-on-colab/

「▶」をクリックし、実行します。何度か実行していますが、SurfacePro7で（７分～９分）程度かかります。

一番下の段に完了時間が表示されたら、
「Running on public URL:https://＊＊＊＊＊＊gradio.live」とかかれたリンクが下のほうにありますので、そのリンクをクリック。

下の画面が表示されれば、成功です。
Google clobを使用したステーブルディフュージョンを使用できます。

①赤枠：プロンプトを入力
②青枠：ネガティブプロンプトを入力
③実行「Generate」をクリック。

低スペック（SurfacePro7）でも15秒程度で1枚のAIARTが完成します。

Google colab　エラー

エラー1：コンピューティングユニットの残数は０です

（１）「▶」実行ボタンをクリックすると、下の画面が表示されます。
　　　「続行」をクリック。

（２）ステーブルディフュージョンを使用できる状態まで来たけど、
プロンプトの入力ができない状態。

エラー2：ランタイムの切断

エラー3：No interface is running right now

無料での使用不可

上記すべてのエラー画面は単純に無料では、現在使用できない事を表しています。

Google Colabの規約変更無料枠でWebUIの使用制限 | Code Wizardry
リンク先のサイトで詳しく説明されていますので、是非ご一読ください。

Google colab基本

ノートブックには「コードセル」と「テキストセル」があります。

「コードセル」Python でコードを記述する場所

「テキストセル」メモを残す場所

コードセルの基本的な画面の見方

テキストセルの基本的な画面の見方

GPUタイプ「T4」「A100」「V100」の違い

Google Colabで提供されているGPUタイプ（T4、A100、V100）は、それぞれ異なる性能と機能を持っています。以下に各GPUタイプの特徴を説明します。

「T4」

NVIDIA Tesla T4と呼ばれるGPUタイプです。
メモリ容量は16 GBです。
CUDAコアの数は約3200個で、浮動小数点演算の性能が約8.1 TFLOPSです。
比較的低コストで提供されており、一般的なディープラーニングタスクに十分な性能を提供します。

「A100」

NVIDIA A100と呼ばれるGPUタイプです。
メモリ容量は40 GBまたは80 GBです。
CUDAコアの数は約6900個（40 GBモデル）または約8250個（80 GBモデル）で、浮動小数点演算の性能が約19.5 TFLOPSです。
ディープラーニングや高性能コンピューティングなどの要求の高いタスクに向いています。
T4と比べて高性能であり、大規模なデータセットや複雑なモデルのトレーニングに適しています。

「V100」

NVIDIA Tesla V100と呼ばれるGPUタイプです。
メモリ容量は16 GB、32 GB、または64 GBです。
CUDAコアの数は約5120個で、浮動小数点演算の性能が約15.7 TFLOPS（16 GBモデル）または約28 TFLOPS（32 GB、64 GBモデル）です。
高いメモリ容量と演算性能を持ち、非常に要求の高いタスクに対応しています。
ディープラーニング、科学計算、ビッグデータ処理などの分野で広く使用されます。

これらのGPUタイプは、パフォーマンスと価格のバランスが異なるため、使用するタスクや予算に応じて選択することが重要です。一般的に、A100やV100はT4よりも高性能であり、大規模なトレーニングや高度な計算が必要な場合に適しています。しかし、T4は多くの一般的なディープラーニングタスクにおいても十分な性能を提供するため、低コストで利用できる利点があります。

GPUタイプ「T4」「A100」「V100」の料金

Google Colabでは、T4、A100、V100のいずれのGPUタイプも一定の無料クォータが提供されますが、それぞれのGPUタイプについては制限があります。

具体的には、無料ユーザーの場合、以下の制限が適用されます:

「T4 GPU」

1日あたり最大12時間の使用時間があります。
一定の時間の経過後、セッションが自動的に終了する可能性があります。
メモリや演算性能に関しても一定の制約があります。

「A100 GPU」

現在のところ、無料ユーザー向けにA100 GPUは利用できません。

「V100 GPU」

現在のところ、無料ユーザー向けにV100 GPUは利用できません。

無料ユーザー向けのGPUリソースは、利用者数やサーバーの負荷状況によって制限される場合があります。そのため、利用可能なリソースの状況によっては、GPUの利用に制約が生じることがあります。

ただし、有料プラン（Google Colab Pro）に登録すると、より高いGPUリソースの利用が可能になります。Google Colab Proには月額料金がかかりますが、より長時間のセッションや高性能なGPUの使用が可能になります。

以上の点に留意しながら、Google Colabを使用する際には無料プランの制限や利用可能なGPUタイプに注意してください。

AIartの代表的な学習済みモデル

aiart（AIによる芸術作品）の作成に使用できる代表的な学習済みモデルには、以下のようなものがあります：

VGG16: VGG16は、Visual Geometry Group（VGG）によって開発された畳み込みニューラルネットワーク（CNN）のモデルです。画像の特徴を抽出するために広く使用されています。
VGG19: VGG19はVGG16よりも層が深いバージョンで、より高度な特徴の抽出が可能です。
InceptionV3: InceptionV3は、Googleが開発したCNNモデルで、複数の畳み込みフィルターサイズを同時に使用して特徴を抽出することに特化しています。
ResNet50: ResNet50は、Microsoft Researchが開発した非常に深いCNNモデルで、勾配消失問題を解決するResidual Network（ResNet）の50層バージョンです。
MobileNet: MobileNetは、モバイルデバイスなどのリソース制約のある環境で効率的に動作するように設計された軽量なCNNモデルです。

これらは一部の代表的な学習済みモデルであり、aiartの作成に利用されることがよくあります。ただし、実際には他にも多くのモデルがあり、状況や目的に応じて適切なモデルを選択することが重要です。これらのモデルは、TensorFlowやKerasなどの機械学習フレームワークを使用して簡単に利用できます。