<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>タグ:tensor &#8211; AIディベロッパーblog</title>
	<atom:link href="https://aidev.bluegarage.site/blog/tag/tensor/feed/" rel="self" type="application/rss+xml" />
	<link>https://aidev.bluegarage.site/blog</link>
	<description>AI技術を使った様々な開発のTIPSや技術のブログです</description>
	<lastBuildDate>Wed, 07 Oct 2026 02:01:05 +0000</lastBuildDate>
	<language>ja</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	
	<item>
		<title>Stable Diffusionのもっとも単純な学習プログラムを作って動かしてみる</title>
		<link>https://aidev.bluegarage.site/blog/2026/10/07/stable-diffusion%e3%81%ae%e3%82%82%e3%81%a3%e3%81%a8%e3%82%82%e5%8d%98%e7%b4%94%e3%81%aa%e5%ad%a6%e7%bf%92%e3%83%97%e3%83%ad%e3%82%b0%e3%83%a9%e3%83%a0%e3%82%92%e4%bd%9c%e3%81%a3%e3%81%a6%e5%8b%95/</link>
				<pubDate>Wed, 07 Oct 2026 01:29:14 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[CUDA]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[Python]]></category>
		<category><![CDATA[PyTorch]]></category>
		<category><![CDATA[Stable Diffusion]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[transformer]]></category>
		<category><![CDATA[vae]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9805</guid>
				<description><![CDATA[Stable Diffusion の仕組みを理解するには、実際に小さなモデルを自分で動かしてみるのが一番の近道です。この記事では、100×100 の画像を生成する最小構成の拡散モデルを PyTorch で作ります。テキスト条件は「flower」に固定し、学習用と生成用のファイルを分けた構成です。 この記事で作るもの 画像サイズは 100×100 固定 ピクセル空間で動く DDPM(VAE は使わない) UNet は ResBlock、Self-Attention、Cross-Attention で構成 テキスト条件は「flower」をエンコードした固定ベクトル 学習(train.py)と生成(generate.py)を別ファイルに分離 Stable Diffusion との違い 項目 Stable Diffusion この記事のモデル 拡散する空間 潜在空間(VAE で圧縮) ピクセル空間 テキスト条件 CLIP などで可変 「flower」固定 画像サイズ 512×512 など 100×100 固定 Cross-Attention 多くの層に配置 最低解像度層と中間層のみ サンプラー DDIM などの高速版 [&#8230;]]]></description>
									</item>
		<item>
		<title>LTX 音付き動画をプロンプトで作成 GGUF版シンプルワークフロー</title>
		<link>https://aidev.bluegarage.site/blog/2026/10/01/ltx-%e9%9f%b3%e4%bb%98%e3%81%8d%e5%8b%95%e7%94%bb%e3%82%92%e3%83%97%e3%83%ad%e3%83%b3%e3%83%97%e3%83%88%e3%81%a7%e4%bd%9c%e6%88%90-gguf%e7%89%88%e3%82%b7%e3%83%b3%e3%83%97%e3%83%ab%e3%83%af%e3%83%bc/</link>
				<pubDate>Thu, 01 Oct 2026 01:43:40 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[動画]]></category>
		<category><![CDATA[google]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[Hugging Face]]></category>
		<category><![CDATA[LoRA]]></category>
		<category><![CDATA[Qwen]]></category>
		<category><![CDATA[safetensors]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[transformer]]></category>
		<category><![CDATA[vae]]></category>
		<category><![CDATA[ライセンス]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9793</guid>
				<description><![CDATA[ComfyUIで「映像と音声を同時に」生成できるオープンモデルLTX（LTX-2.3）を、GGUF量子化モデルで動かすシンプルなワークフローを解説します。1枚の画像とプロンプトを渡すだけで、効果音や環境音付きの短い動画が作れます。 この記事で扱うワークフローは LTXV23_v1_4_I2AV.json（Image to Audio-Video）です。ノード数が少なく、構成を理解しやすいのが特徴です。 目次の目安 LTXとは何か LTXは、イスラエルのLightricks社が公開しているオープンウェイトの動画生成モデルシリーズです。現行のLTX-2.3は約22Bパラメータの「DiT（Diffusion Transformer）ベースの音声・映像基盤モデル」で、1つのモデルで映像と同期した音声を同時に生成できます。 テキスト→動画、画像→動画、音声→動画など複数のモードに対応 重みが公開されており、ローカル（自分のPC）で実行できる ComfyUIが公式にネイティブ対応している テキストエンコーダーにGoogleのGemma 3 12Bを使用 2倍の空間アップスケーラーを使った高解像度化の仕組みがある 今回使う [&#8230;]]]></description>
									</item>
		<item>
		<title>Qwen 2.1 VRAM 8GBで動く！10枚まで参照画像を追加できるGGUF版シンプルワークフロー</title>
		<link>https://aidev.bluegarage.site/blog/2026/09/24/qwen-2-1-%e7%84%a1%e6%a4%9c%e9%96%b2%e7%89%88%e3%80%80vram-8gb%e3%81%a7%e5%8b%95%e3%81%8f%ef%bc%8110%e6%9e%9a%e3%81%be%e3%81%a7%e5%8f%82%e7%85%a7%e7%94%bb%e5%83%8f%e3%82%92%e8%bf%bd%e5%8a%a0%e3%81%a7/</link>
				<pubDate>Thu, 24 Sep 2026 06:50:01 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[Hugging Face]]></category>
		<category><![CDATA[Qwen]]></category>
		<category><![CDATA[safetensors]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[vae]]></category>
		<category><![CDATA[エラー]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9783</guid>
				<description><![CDATA[はじめに Qwen Image 2.1は、Alibaba Qwenチームが公開した最新の画像生成・編集モデルです。通常のsafetensors版はVRAM消費が大きく、8GB前後のGPUでは動作が厳しい場面がありますが、今回紹介するワークフローはUNetをGGUF形式(Q5_K_M)で読み込むことで、VRAM 8GB程度の環境でも動作するように構成されています。さらに参照画像を最大10枚まで追加でき、複数の画像を組み合わせた高度な画像編集が可能です。 Qwen Image 2.1とは Qwen Image 2.1は、テキストからの画像生成(Text to Image)と、指示ベースの画像編集(Image Edit)の両方を1つのモデルでこなせるのが最大の特徴です。主な特徴は以下の通りです。 生成と編集を1モデルで両立：同じ重みがテキストから画像への生成プロンプトと編集指示の両方に対応するため、モデルを切り替える必要がありません ネイティブ2K出力：最大2048×2048をアップスケールなしで直接生成可能 高精細なテキスト描画：インフォグラフィックやポスター、UIモックアップなど、細かい文字が崩れにくい アルフ [&#8230;]]]></description>
									</item>
		<item>
		<title>【VRAM 8GBでOK】QWEN Image Editの進化版「FireRed Image Edit」でローカル着せ替え画像生成をやってみた</title>
		<link>https://aidev.bluegarage.site/blog/2026/09/16/%e3%80%90vram-8gb%e3%81%a7ok%e3%80%91qwen-image-edit%e3%81%ae%e9%80%b2%e5%8c%96%e7%89%88%e3%80%8cfirered-image-edit%e3%80%8d%e3%81%a7%e3%83%ad%e3%83%bc%e3%82%ab%e3%83%ab%e7%9d%80%e3%81%9b%e6%9b%bf/</link>
				<pubDate>Wed, 16 Sep 2026 03:29:45 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[Hugging Face]]></category>
		<category><![CDATA[LoRA]]></category>
		<category><![CDATA[Qwen]]></category>
		<category><![CDATA[safetensors]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[transformer]]></category>
		<category><![CDATA[vae]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9777</guid>
				<description><![CDATA[はじめに 画像生成AIで「この人にこの服を着せたい」「帽子だけ別の写真から持ってきたい」という着せ替え編集は、これまでハイエンドGPUが前提でした。しかしFireRed Image Editは、AlibabaのQwen Image Editをベースに進化した画像編集特化モデルで、GGUF量子化版とLightning LoRA（高速化LoRA）を組み合わせることで、VRAM 8GB程度のミドルクラスGPUでもローカル生成が可能になっています。 今回は実際に配布されているComfyUIワークフロー（firered-image-edit-1_1_loraonly.json）を解析し、必要なモデル構成と処理の流れを整理しました。 人物写真（Image 1） キャップの写真（Image 2） Tシャツの写真（Image 3） の3枚を読み込ませ、「Image 1の女性にImage 2の帽子とImage 3のTシャツを着せて、背景も昼間のシーンに変更する」というプロンプト1つで着せ替え画像を生成する構成になっています。 FireRed Image EditとQwen Image Editの関係 FireRed Image [&#8230;]]]></description>
									</item>
		<item>
		<title>VRAM 8GBでもOK！MiniMax H3(FL2VA)×Turboで「しゃべる」AI動画をローカル生成する方法</title>
		<link>https://aidev.bluegarage.site/blog/2026/09/15/vram-8gb%e3%81%a7%e3%82%82ok%ef%bc%81minimax-h3fl2vaxturbo%e3%81%a7%e3%80%8c%e3%81%97%e3%82%83%e3%81%b9%e3%82%8b%e3%80%8dai%e5%8b%95%e7%94%bb%e3%82%92%e3%83%ad%e3%83%bc%e3%82%ab%e3%83%ab/</link>
				<pubDate>Tue, 15 Sep 2026 01:24:21 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[動画]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[Hugging Face]]></category>
		<category><![CDATA[LoRA]]></category>
		<category><![CDATA[safetensors]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[vae]]></category>
		<category><![CDATA[ライセンス]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9773</guid>
				<description><![CDATA[今回は、ComfyUI上で動くMiniMax H3という動画生成モデルを使い、8GB程度のVRAMでもローカルPCで「音声つき・リップシンクつき」のAI動画を作れるワークフローを紹介します。画像を1枚（または最初と最後のフレーム2枚）用意するだけで、セリフをしゃべる短い動画をノートPCクラスのGPUでも生成できるのがポイントです。 &#160; &#160; 生成時間　VRAM　8GB　約１～２時間 MiniMax H3ってどんなモデル？ MiniMax H3は、テキスト・画像・映像・音声をひとつのモデルでまとめて理解し、映像とステレオ音声（セリフ・効果音・BGM）を同時に生成できるオープンウェイトのAI動画モデルです。従来の「まず映像を作って、あとから音声を貼り付ける」方式ではなく、映像と音を同じ推論の中で一緒に作るのが特徴で、口の動きと声がしっかり同期（リップシンク）します。 本体は330億パラメータ級の大型モデルですが、パラメータの一部を圧縮する「プルーニング」と、ファイルサイズを大きく減らす「GGUF量子化」、さらに生成ステップ数を減らす「Turbo（蒸留）LoRA」を組み合わせることで、コンシューマ [&#8230;]]]></description>
						<enclosure url="https://aidev.bluegarage.site/blog/wp-content/uploads/2026/09/H3_20260914_185634_00001-audio.mp4" length="615769" type="video/mp4" />
			</item>
		<item>
		<title>量子化とは何か？MatMulというAIの計算やモデルサイズの最大のネック</title>
		<link>https://aidev.bluegarage.site/blog/2026/08/31/%e9%87%8f%e5%ad%90%e5%8c%96%e3%81%a8%e3%81%af%e4%bd%95%e3%81%8b%ef%bc%9fmatmul%e3%81%a8%e3%81%84%e3%81%86ai%e3%81%ae%e8%a8%88%e7%ae%97%e3%82%84%e3%83%a2%e3%83%87%e3%83%ab%e3%82%b5%e3%82%a4%e3%82%ba/</link>
				<pubDate>Mon, 31 Aug 2026 01:29:43 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[その他]]></category>
		<category><![CDATA[CUDA]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[LLM]]></category>
		<category><![CDATA[LoRA]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[transformer]]></category>
		<category><![CDATA[最適化]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9766</guid>
				<description><![CDATA[AIモデル、特に大規模言語モデル(LLM)の性能や規模を語るとき、必ずと言っていいほど登場するキーワードがあります。それが「MatMul(行列積)」と「量子化」です。 この記事では、AIの計算の大部分を占める「MatMul」がそもそも何なのか、なぜそれが必要なのか、GPU上でどう計算されているのかを解説したうえで、その高速化手法の中でも特に重要な「量子化」について詳しく掘り下げていきます。 AIの計算の大部分を占めるMatMul Transformer系のAIモデルでは、計算量(FLOPs)の大部分、しばしば9割以上がMatMulによって占められています。具体的には、以下のような処理がすべてMatMulです。 Attentionにおける Query / Key / Value への変換 FFN(Feed Forward)層の2つの大きな行列積(全体の計算量では最大になりやすい部分) Attentionスコアの計算(QK^T)とその後の重み付き集約(softmax × V) また、モデルの「パラメータ数」、つまりモデルサイズそのものも、その大半はMatMulで使われる重み行列によって構成されています。「AIの計 [&#8230;]]]></description>
									</item>
		<item>
		<title>ローカルでVRAM 8GBで「着せ替え」画像生成</title>
		<link>https://aidev.bluegarage.site/blog/2026/08/28/%e3%83%ad%e3%83%bc%e3%82%ab%e3%83%ab%e3%81%a7vram-8gb%e3%81%a7%e3%80%8c%e7%9d%80%e3%81%9b%e6%9b%bf%e3%81%88%e3%80%8d%e7%94%bb%e5%83%8f%e7%94%9f%e6%88%90/</link>
				<pubDate>Fri, 28 Aug 2026 01:27:12 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[LoRA]]></category>
		<category><![CDATA[Python]]></category>
		<category><![CDATA[Qwen]]></category>
		<category><![CDATA[safetensors]]></category>
		<category><![CDATA[Stable Diffusion]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[vae]]></category>
		<category><![CDATA[最適化]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9755</guid>
				<description><![CDATA[洋服の試着画像をAIで生成する「バーチャル試着（Virtual Try-On）」は、これまでクラウドサービスや高性能GPUが前提でした。しかし本記事で紹介するComfyUIワークフローは、GGUF量子化されたQwen-Image-Editと専用LoRAを組み合わせることで、VRAM 8GB程度のミドルスペックPCでもローカル環境で着せ替え画像を生成できるよう設計されています。 &#160; ワークフローのダウンロード この記事では、 そもそもComfyUIとは何か ワークフローで使われている各モデルの役割とダウンロード先 主要ノードの役割と処理の流れ を順番に解説します。 ComfyUIとは ComfyUI（コンフィーユーアイ）は、Stable Diffusionをはじめとする画像生成AIを「ノードベース」で組み立てて実行できるオープンソースのツールです。モデルの読み込み・プロンプトのエンコード・サンプリング・画像の保存といった処理を、それぞれ独立した「ノード（箱）」として画面上に配置し、線でつなぐことでワークフロー（処理の流れ）を自由に構築できます。 Pythonコードを書かなくても複雑な生成パイプラインを [&#8230;]]]></description>
									</item>
		<item>
		<title>Stable Diffusion 1.5のUNet構造</title>
		<link>https://aidev.bluegarage.site/blog/2026/08/26/stable-diffusion-1-5%e3%81%aeunet%e6%a7%8b%e9%80%a0/</link>
				<pubDate>Wed, 26 Aug 2026 01:56:24 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[safetensors]]></category>
		<category><![CDATA[Stable Diffusion]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[transformer]]></category>
		<category><![CDATA[vae]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9753</guid>
				<description><![CDATA[Stable Diffusion 1.5(SD1.5)の心臓部であるUNetは、「今の潜在表現にどれだけどのようなノイズがあるか」をテキスト条件をヒントに予測するネットワークです。(ノイズを予測し除去していくと元画像＝生成画像が現れる仕掛けです) 本記事では、その内部構造を、実装の仕組みから計算の直感まで順を追って解説します。ステップごとに通っている構造がこのUNETとなります。 1. 全体の流れ:UNetは何を入出力しているのか まず誤解しやすいポイントとして、UNetが直接処理しているのは「テキスト」ではなく「潜在空間のテンソル」です(テンソルとは、単に多次元の数値配列のことです)。テキストはCLIPのテキストエンコーダーによって77トークン×768次元の配列に変換され、内部のクロスアテンション層に条件(conditioning)として注入されます。 段階 UNetへの入力 テキストの役割 学習時 実画像をVAEで圧縮+ノイズ付加した潜在 クロスアテンションで条件付け txt2img推論 64×64×4のランダムノイズ クロスアテンションで条件付け(ここが主役) img2img推論 元画像をVAEで圧縮+ [&#8230;]]]></description>
									</item>
		<item>
		<title>ComfyUIでQwen-Image-Edit-2511 Int8を使う方法｜超シンプル画像編集ワークフロー</title>
		<link>https://aidev.bluegarage.site/blog/2026/08/19/comfyui%e3%81%a7qwen-image-edit-2511-int8%e3%82%92%e4%bd%bf%e3%81%86%e6%96%b9%e6%b3%95%ef%bd%9c%e8%b6%85%e3%82%b7%e3%83%b3%e3%83%97%e3%83%ab%e7%94%bb%e5%83%8f%e7%b7%a8%e9%9b%86%e3%83%af%e3%83%bc/</link>
				<pubDate>Wed, 19 Aug 2026 05:41:37 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[LoRA]]></category>
		<category><![CDATA[Qwen]]></category>
		<category><![CDATA[safetensors]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[vae]]></category>
		<category><![CDATA[エラー]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9749</guid>
				<description><![CDATA[ワークフローのダウンロード　image_qwen_image_edit_2511_int8 ※ワークフローはVRAM８GBでも１回目１～２時間かかるものの動作します。 ※最新のComfyUIを使用する場合このワークフローをComfyUIの画面にドロップするだけでモデルも自動でダウンロードできます。 ComfyUIで画像生成・画像編集をしていると、「元画像の構図を残したまま、画風だけ変えたい」「写真をポップアート風にしたい」といった編集をしたくなることがあります。 今回紹介するのは、Qwen-Image-Edit-2511 Int8を使ったComfyUIの画像編集ワークフローです。 このワークフローでは、入力した画像に対して、 Convert this image to pop art poster style というプロンプトを与え、元画像を「ポップアートのポスター風」に変換する設定になっています。 ワークフローには、Qwen-Image-Edit-2511のInt8モデル、Qwen 2.5 VL系のテキストエンコーダ、Qwen Image用VAE、KSamplerなどが組み込まれています。 Qwen-Ima [&#8230;]]]></description>
									</item>
		<item>
		<title>PyTorchでDirectMLを使う「torch-directml」とは？</title>
		<link>https://aidev.bluegarage.site/blog/2026/07/10/pytorch%e3%81%a7directml%e3%82%92%e4%bd%bf%e3%81%86%e3%80%8ctorch-directml%e3%80%8d%e3%81%a8%e3%81%af%ef%bc%9f/</link>
				<pubDate>Fri, 10 Jul 2026 01:46:24 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[アプリケーション開発]]></category>
		<category><![CDATA[CUDA]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[LLM]]></category>
		<category><![CDATA[onnx]]></category>
		<category><![CDATA[PyTorch]]></category>
		<category><![CDATA[Qwen]]></category>
		<category><![CDATA[Stable Diffusion]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[transformer]]></category>
		<category><![CDATA[wan]]></category>
		<category><![CDATA[Windows]]></category>
		<category><![CDATA[エラー]]></category>
		<category><![CDATA[最適化]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9735</guid>
				<description><![CDATA[WindowsでAIを動かそうとすると、よく見かけるのが CUDA と DirectML です。 NVIDIA製GPUであればCUDAが一般的ですが、AMDやIntelのGPU、あるいはCUDAを使えない環境では DirectML が選択肢になります。 そのDirectMLをPyTorchから利用するためのライブラリが torch-directml です。 この記事では、torch-directmlとは何か、必要になる場面、制限事項、インストール方法、使い方についてまとめます。 torch-directmlとは？ torch-directmlは、PyTorchからMicrosoft DirectMLを利用するためのライブラリです。 DirectMLはWindowsのDirectX 12上で動作する機械学習アクセラレーションAPIで、 AMD GPU Intel GPU NVIDIA GPU など、DirectX 12対応GPUであれば利用できます。 つまり、CUDAが使えない環境でもGPUでPyTorchを実行できるようになります。 いつ必要になるの？ 必要になるのは 「PyTorchでDirectMLを利用 [&#8230;]]]></description>
									</item>
		<item>
		<title>PyTorchでONNXを「model.onnx」と「model_weights.bin」に分けて出力する方法【古いバージョンにも対応】</title>
		<link>https://aidev.bluegarage.site/blog/2026/07/08/pytorch%e3%81%a7onnx%e3%82%92%e3%80%8cmodel-onnx%e3%80%8d%e3%81%a8%e3%80%8cmodel_weights-bin%e3%80%8d%e3%81%ab%e5%88%86%e3%81%91%e3%81%a6%e5%87%ba%e5%8a%9b%e3%81%99%e3%82%8b%e6%96%b9%e6%b3%95%e3%80%90/</link>
				<pubDate>Wed, 08 Jul 2026 01:46:19 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[その他]]></category>
		<category><![CDATA[inference]]></category>
		<category><![CDATA[onnx]]></category>
		<category><![CDATA[Python]]></category>
		<category><![CDATA[PyTorch]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[エラー]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9732</guid>
				<description><![CDATA[PyTorchでONNXモデルを書き出す際、大きなモデルではONNX External Data形式を利用して、モデル本体と重みファイルを別々に保存したいことがあります。 この記事では、 model.onnx model_weights.bin の2ファイルに分けて出力する方法と、古いPyTorchを使用している場合の対処法を紹介します。 通常のONNX出力 一般的なONNX出力は次のようになります。 torch.onnx.export( wrapper, (sample, timestep, encoder_hidden_states), os.path.join(outdir, "unet", "model.onnx"), input_names=["sample", "timestep", "encoder_hidden_states"], output_names=["out_sample"], dynamic_axes={ "sample": {0: "batch", 1: "channels", 2: "height", 3: "width"}, "timestep": {0: "batch"}, [&#8230;]]]></description>
									</item>
		<item>
		<title>CUDA Version表示の正しい意味と、動作するGPU・安全なバージョン選び</title>
		<link>https://aidev.bluegarage.site/blog/2026/04/27/cuda-version%e8%a1%a8%e7%a4%ba%e3%81%ae%e6%ad%a3%e3%81%97%e3%81%84%e6%84%8f%e5%91%b3%e3%81%a8%e3%80%81%e5%8b%95%e4%bd%9c%e3%81%99%e3%82%8bgpu%e3%83%bb%e5%ae%89%e5%85%a8%e3%81%aa%e3%83%90%e3%83%bc/</link>
				<pubDate>Mon, 27 Apr 2026 00:59:24 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[アプリケーション開発]]></category>
		<category><![CDATA[CUDA]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[PyTorch]]></category>
		<category><![CDATA[tensor]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9641</guid>
				<description><![CDATA[はじめに nvidia-smi を実行すると、次のような表示を見ることがあります。 CUDA Version: 13.0 この表示を見て、 「CUDA 13が使える」 「どのNVIDIA GPUでも動く」 と思ってしまうケースが非常に多いですが、これは正確ではありません。 この記事では、 CUDAとは何か（簡単に） CUDA Version 表示の本当の意味 CUDAが動くGPUの条件 推論用途でCUDAを自分で入れる必要があるのか 失敗しないCUDAバージョンの選び方 を整理して解説します。 CUDAとは何か（簡単に） CUDA（Compute Unified Device Architecture）は、 NVIDIAのGPUを使って高速計算を行うための仕組み です。 通常、プログラムはCPUで実行されますが、CUDAを使うことで： 並列計算（同時に大量の処理） 行列計算（AI・画像処理など） をGPUで高速に実行できます。 特に以下の分野で使われます。 機械学習・深層学習 画像処理 科学技術計算 CUDA Version 表示の正体 CUDA Version: 13.0 これは次の意味です。 インストール [&#8230;]]]></description>
									</item>
		<item>
		<title>UNetとは何か？safetensors・Diffusersとの違いまでわかりやすく解説</title>
		<link>https://aidev.bluegarage.site/blog/2026/04/21/unet%e3%81%a8%e3%81%af%e4%bd%95%e3%81%8b%ef%bc%9fsafetensors%e3%83%bbdiffusers%e3%81%a8%e3%81%ae%e9%81%95%e3%81%84%e3%81%be%e3%81%a7%e3%82%8f%e3%81%8b%e3%82%8a%e3%82%84%e3%81%99%e3%81%8f%e8%a7%a3/</link>
				<pubDate>Tue, 21 Apr 2026 00:53:23 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[safetensors]]></category>
		<category><![CDATA[Stable Diffusion]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[vae]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9634</guid>
				<description><![CDATA[AI画像生成を学んでいると、「UNet」「safetensors」「Diffusers」といった用語が頻繁に出てきます。それぞれ関連はありますが、役割はまったく異なります。 この記事では、 UNetとは何か safetensorsとの違い Diffusersの意味（略語も含む） を、初心者でも理解できるように整理して解説します。 UNetとは？ UNet（ユー・ネット）は、**画像処理に使われるニューラルネットワークの構造（アーキテクチャ）**です。 もともとは医療画像の解析（セグメンテーション）用に開発されましたが、現在では次のような用途で広く使われています。 AI画像生成 ノイズ除去 スタイル変換 画像復元 Stable DiffusionにおけるUNetの役割 Stable Diffusionでは、画像は「ノイズ」から徐々に生成されます。 このプロセスの中心にいるのがUNetです。 UNetはノイズを段階的に取り除き、画像を形作る役割を持つ つまり、画像生成の“エンジン”のような存在です。 safetensorsとは？ safetensorsは、AIモデルの重みを保存するためのファイル形式です。 代表的 [&#8230;]]]></description>
									</item>
		<item>
		<title>OpenPoseとは？Qwen Image EditでOpen poseを使えるか？</title>
		<link>https://aidev.bluegarage.site/blog/2026/04/20/openpose%e3%81%a8%e3%81%af%ef%bc%9fqwen-image-edit%e3%81%a7open-pose%e3%82%92%e4%bd%bf%e3%81%88%e3%82%8b%e3%81%8b%ef%bc%9f/</link>
				<pubDate>Mon, 20 Apr 2026 01:06:12 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[画像処理・作成]]></category>
		<category><![CDATA[ControlNet]]></category>
		<category><![CDATA[inference]]></category>
		<category><![CDATA[LoRA]]></category>
		<category><![CDATA[pipeline]]></category>
		<category><![CDATA[Qwen]]></category>
		<category><![CDATA[safetensors]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[transformer]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9629</guid>
				<description><![CDATA[OpenPoseとは？Qwen Image EditでAnyPoseモデルを使ったポーズ転写の完全ガイド 画像生成AIの世界では「ポーズを自由に制御したい」というニーズは非常に高いです。本記事では、OpenPoseの基本概念から、最新のQwen Image EditとAnyPoseモデルを組み合わせたポーズ転写の実装方法まで、サンプルコードとともに詳しく解説します。 📌 目次 OpenPoseとは何か 使用するモデル一覧 OpenPoseを「2枚目の画像」として使う仕組み 環境セットアップ 完全なサンプルコード プロンプトの解説 パラメータ解説 まとめ 1. OpenPoseとは何か OpenPoseは、Carnegie Mellon大学が開発したオープンソースのリアルタイム人体姿勢推定ライブラリです。画像や動画から人物の骨格（キーポイント）をリアルタイムで検出し、身体の各部位（頭部・肩・肘・手首・腰・膝・足首など）の位置を特定します。 OpenPoseの主な特徴 25個のキーポイントを検出（顔・体・手・足） 複数人物の同時検出が可能 リアルタイム処理に対応 画像生成AIのControlNetと組み合わせるこ [&#8230;]]]></description>
									</item>
		<item>
		<title>VAEとは？Stable Diffusionでの役割とONNXへの変換方法（encoder / decoder分離）</title>
		<link>https://aidev.bluegarage.site/blog/2026/04/17/vae%e3%81%a8%e3%81%af%ef%bc%9fstable-diffusion%e3%81%a7%e3%81%ae%e5%bd%b9%e5%89%b2%e3%81%a8onnx%e3%81%b8%e3%81%ae%e5%a4%89%e6%8f%9b%e6%96%b9%e6%b3%95%ef%bc%88encoder-decoder%e5%88%86%e9%9b%a2/</link>
				<pubDate>Fri, 17 Apr 2026 01:21:29 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[アプリケーション開発]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[onnx]]></category>
		<category><![CDATA[PyTorch]]></category>
		<category><![CDATA[safetensors]]></category>
		<category><![CDATA[Stable Diffusion]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[vae]]></category>
		<category><![CDATA[wan]]></category>
		<category><![CDATA[最適化]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9627</guid>
				<description><![CDATA[VAE（Variational Autoencoder）とは VAE（Variational Autoencoder）は、画像を「圧縮」と「復元」するためのニューラルネットワークです。 Stable Diffusion では、画像生成の効率を高めるために重要な役割を担っています。 VAEは主に次の2つの構成要素から成り立っています： Encoder（エンコーダー） 画像（RGB）を潜在表現（latent）に圧縮する Decoder（デコーダー） 潜在表現（latent）を画像に復元する Stable DiffusionにおけるVAEの役割 Stable Diffusionでは、直接画像を生成するのではなく、次のような流れになっています： ノイズから潜在空間（latent）を生成 そのlatentをVAEのdecoderで画像に変換 また、画像を入力として使う場合（img2imgなど）は： 画像をVAEのencoderでlatentに変換 latentを加工・生成 decoderで画像に戻す つまり： 処理 使用する部分 画像 → latent Encoder latent → 画像 Decoder safet [&#8230;]]]></description>
									</item>
		<item>
		<title>WAN 2.1の速度向上Self-Forcing とは何か？</title>
		<link>https://aidev.bluegarage.site/blog/2026/04/06/wan-2-1%e3%81%ae%e9%80%9f%e5%ba%a6%e5%90%91%e4%b8%8aself-forcing-%e3%81%a8%e3%81%af%e4%bd%95%e3%81%8b%ef%bc%9f/</link>
				<pubDate>Mon, 06 Apr 2026 05:40:55 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[動画]]></category>
		<category><![CDATA[ControlNet]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[LLM]]></category>
		<category><![CDATA[LoRA]]></category>
		<category><![CDATA[safetensors]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[vae]]></category>
		<category><![CDATA[wan]]></category>
		<category><![CDATA[ライセンス]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9608</guid>
				<description><![CDATA[WAN 2.1（Wan-AI製）は、中国アリババグループ傘下の研究チームが開発・公開したオープンソースの動画生成AIモデルです。テキストから動画を生成するT2V（Text-to-Video）、画像から動画を生成するI2V（Image-to-Video）、動画編集など複数のタスクに対応しており、2025年初頭に公開されて以来、ComfyUI ユーザーを中心に急速に普及しました。 モデルの規模は 1.3B（13億パラメータ） と 14B（140億パラメータ） の2種類が存在します。1.3Bモデルは VRAM 約8GB で動作し、コンシューマー向けGPU（RTX 3060以上）でも利用可能な点が大きな特徴です。一方、14Bモデルは720p動画の高品質生成が可能ですが、約40GBのVRAMを必要とします。 WAN 2.1の主な強みは以下のとおりです。 高品質な480p/720p動画生成：オープンソースモデルとしてはトップクラスの品質 中国語・英語テキストの映像内生成：ビジュアルテキスト生成に初めて本格対応 VACE対応：ControlNet的な参照動画による動き制御が可能 強力なVAE：1080P動画をリアルタイムで [&#8230;]]]></description>
									</item>
		<item>
		<title>WAN動画生成で緑のブロックノイズが出る原因と解決法【テキストエンコーダーの選び方】</title>
		<link>https://aidev.bluegarage.site/blog/2026/03/28/wan%e5%8b%95%e7%94%bb%e7%94%9f%e6%88%90%e3%81%a7%e7%b7%91%e3%81%ae%e3%83%96%e3%83%ad%e3%83%83%e3%82%af%e3%83%8e%e3%82%a4%e3%82%ba%e3%81%8c%e5%87%ba%e3%82%8b%e5%8e%9f%e5%9b%a0%e3%81%a8%e8%a7%a3/</link>
				<pubDate>Sat, 28 Mar 2026 11:25:48 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[動画]]></category>
		<category><![CDATA[Hugging Face]]></category>
		<category><![CDATA[PyTorch]]></category>
		<category><![CDATA[safetensors]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[vae]]></category>
		<category><![CDATA[wan]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9592</guid>
				<description><![CDATA[WAN 2.1で動画生成を試みたとき、出力が緑がかったブロックノイズのような壊れた画像になった経験はないでしょうか。この問題の原因は、テキストエンコーダーの種類の間違いとFP8量子化の非互換性の組み合わせにあります。 原因①：テキストエンコーダーのアーキテクチャが違う よく混同されるのが、以下の2つのエンコーダーです。 モデル 使うT5エンコーダー FLUX T5-XXL（標準） WAN 2.1 umt5-XXL（UniMax T5、別アーキテクチャ） t5xxl_fp8_e4m3fn.safetensors は主に FLUX向け に配布されているファイルです。WAN 2.1が期待する umt5-xxl とはアーキテクチャが異なるため、テキスト埋め込みの次元やAttentionの構造が合わず、エンコーダーの出力が壊れます。 原因②：FP8 e4m3fn の数値表現の問題 FP8 e4m3fn は非常に狭いダイナミックレンジ（約 -448 〜 +448）しか持ちません。 FP16：約 ±65,504 BF16：約 ±3.4×10³⁸ FP8 e4m3fn：約 ±448（極端に狭い） WANのランタイムがFP8の [&#8230;]]]></description>
									</item>
		<item>
		<title>safetensorsの「配線」はどこにある？Netronで線が見えない理由をわかりやすく解説</title>
		<link>https://aidev.bluegarage.site/blog/2026/03/25/safetensors%e3%81%ae%e3%80%8c%e9%85%8d%e7%b7%9a%e3%80%8d%e3%81%af%e3%81%a9%e3%81%93%e3%81%ab%e3%81%82%e3%82%8b%ef%bc%9fnetron%e3%81%a7%e7%b7%9a%e3%81%8c%e8%a6%8b%e3%81%88%e3%81%aa%e3%81%84%e7%90%86/</link>
				<pubDate>Wed, 25 Mar 2026 01:32:31 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[アプリケーション開発]]></category>
		<category><![CDATA[LoRA]]></category>
		<category><![CDATA[Netron]]></category>
		<category><![CDATA[onnx]]></category>
		<category><![CDATA[Python]]></category>
		<category><![CDATA[PyTorch]]></category>
		<category><![CDATA[safetensors]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[transformer]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9583</guid>
				<description><![CDATA[機械学習モデル（特にTransformer系）を触っていると、.safetensors ファイルをNetronで開いたときに、 「ノードが並んでいるだけで、配線（接続）が見えない」 という疑問にぶつかることがあります。 この記事ではこの現象の理由と、実際にブロックの接続（配線）がどこに記録されているのかを整理して解説します。 なぜNetronで配線が見えないのか？ 結論から言うと： safetensorsには「配線情報」が入っていないためです。 safetensorsの正体 safetensors は非常にシンプルな構造をしています。 パラメータ名 → 数値テンソル 例えば： transformer_blocks.3.attn.add_k_proj.weight のように、「名前」と「行列データ」が紐づいているだけです。 safetensorsに含まれていないもの 以下のような情報は 一切保存されていません： forward関数（計算手順） ノード間の接続関係 データの流れ（計算グラフ） レイヤー間の依存関係 つまり： そもそも配線図そのものが存在しない のです。 Netronで何が表示されているのか？ Ne [&#8230;]]]></description>
									</item>
		<item>
		<title>Wan動画生成AIに使われている「UMT5-XXL」とは何か？</title>
		<link>https://aidev.bluegarage.site/blog/2026/03/21/wan%e5%8b%95%e7%94%bb%e7%94%9f%e6%88%90ai%e3%81%ab%e4%bd%bf%e3%82%8f%e3%82%8c%e3%81%a6%e3%81%84%e3%82%8b%e3%80%8cumt5-xxl%e3%80%8d%e3%81%a8%e3%81%af%e4%bd%95%e3%81%8b%ef%bc%9f/</link>
				<pubDate>Sat, 21 Mar 2026 08:13:39 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[動画]]></category>
		<category><![CDATA[google]]></category>
		<category><![CDATA[gpu]]></category>
		<category><![CDATA[safetensors]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[transformer]]></category>
		<category><![CDATA[wan]]></category>
		<category><![CDATA[エラー]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9563</guid>
				<description><![CDATA[Wan2.1やWan2.2などの動画生成AIを動かそうとすると、必ずセットで必要になるのが UMT5-XXL というモデルです。「テキストエンコーダー」と呼ばれるこのモデル、一体何をしているのでしょうか。 UMT5-XXL の正式名称と意味 正式名称は Unified Multilingual T5 Extra Extra Large（統合多言語T5・超特大モデル）、HuggingFace上の識別子は google/umt5-xxl です。 名前を分解すると次のようになります。 略称 正式名 意味 U Unified 複数の言語・タスクを統合 M Multilingual 多言語対応（日本語・中国語・英語など100言語以上） T5 Text-to-Text Transfer Transformer Googleが開発したベースアーキテクチャ XXL Extra Extra Large T5ファミリーの中で最大サイズ（約110億パラメータ） T5ファミリーにはサイズ別にSmall・Base・Large・XL・XXL の5段階があり、UMT5-XXL はそのトップに位置する 約110億パラメータ（11B） の最大 [&#8230;]]]></description>
									</item>
		<item>
		<title>Stable Diffusion U-Net の ONNX に別の ONNX モデルを結合する方法</title>
		<link>https://aidev.bluegarage.site/blog/2026/03/17/stable-diffusion-u-net-%e3%81%ae-onnx-%e3%81%ab%e5%88%a5%e3%81%ae-onnx-%e3%83%a2%e3%83%87%e3%83%ab%e3%82%92%e7%b5%90%e5%90%88%e3%81%99%e3%82%8b%e6%96%b9%e6%b3%95/</link>
				<pubDate>Tue, 17 Mar 2026 01:49:57 +0000</pubDate>
		<dc:creator><![CDATA[aidevadmin]]></dc:creator>
				<category><![CDATA[その他]]></category>
		<category><![CDATA[ControlNet]]></category>
		<category><![CDATA[LoRA]]></category>
		<category><![CDATA[Netron]]></category>
		<category><![CDATA[onnx]]></category>
		<category><![CDATA[Python]]></category>
		<category><![CDATA[Stable Diffusion]]></category>
		<category><![CDATA[tensor]]></category>
		<category><![CDATA[transformer]]></category>
		<category><![CDATA[U-Net]]></category>
		<category><![CDATA[エラー]]></category>

		<guid isPermaLink="false">https://aidev.bluegarage.site/blog/?p=9549</guid>
				<description><![CDATA[Stable Diffusion ONNX U-Net に別モデルを統合する方法 Stable Diffusion の ONNX 版 U-Net を改造して、別の ONNX モデルを内部に結合することで、 IP-Adapter カスタム Attention Control 信号 などを直接モデル内部に組み込むことができます。 この記事では 既存の model.onnx に別の model.onnx を統合する方法を紹介します。 例として、以下の位置に外部モデルを接続します。 /up_blocks.1/attentions.0/transformer_blocks.0/attn2/to_q/MatMul そして生成された特徴量を /up_blocks.1/attentions.0/transformer_blocks.0/attn2/to_out.0/MatMul へ入力します。 全体構造 結合後の概念図 to_q/MatMul │ MultiHeadAttention │ 外部モデル │ ▼ to_out.0/MatMul また既存の Reshape_3_output_0 は使用しないため切断します。 必要な [&#8230;]]]></description>
									</item>
	</channel>
</rss>
