Google ColabでGPU別 ComfyUI起動と処理時間をテキトーに計測しました
GoogleColabを使っていると、ComfyUIの起動に時間がかかるのがいつも気になっていました。今回はGoogle Colabを操作してComfyUI起動、停止、画
像生成、ComfyUI再起動、再起動後の画像生成を行なってかかる時間について見てみました。
1.環境
Google Colaboratory
プラン：Colab Pro+
Notebook：ComfyUI 本家のJupyter Notebook
フロー：animagine-xl-4.0, LoRA:deltamon_official_v1.0.safetensors
全て同じパラメータで生成
2.確認
すでに、GoogleDrive上にComfyUIが配置されている状態で、各GPUで以下を実行しました。
GoogleDriveマウントとComfyUI起動
画像生成、ComfyUI停止
ComfyUI再起動
画像生成
3.結果
3.1 GoogleDriveマウントとComfyUI起動
GPUの影響はほとんど受けないと考えられます。ComfyUIの起動で0.1消費しました。 ComfyUIの起動に要する時間は、GPUによって変わることもありませんでした。今回は、ComfyUI環境がGoogleDriveにあるのでダウンロードに要する時間は比較的短いかもしれません。未ダウンロードのモデルファイルがある場合ダウンロードが行われますのでさらに時間がかかります。
結果として、起動に約5分かかっていました。
インストールファイルダウンロード 約3分
モデルファイル ダウンロード 1秒（すでにダウンロード済なので）
ComfyUI起動 約2分
3.2画像生成以降の結果
画像生成は、GPUの影響を受けることがわかる結果となりました。
3.2.1 T4 ハイメモリ
T4 ハイメモリとT4の比較ですが、起動と再起動直後の生成完了までの時間に開きはありましたが、画像生成に着目するとそんなに変わりはない気がします。
3.2.2 T4
起動直後の生成完了までの時間が長いですが、タイミングが悪かったのかなと思っています。少なくとも生成だけの処理時間はハイメモリと変わらないです。
3.3.1 L4
同じ入力なのに、違う結果が出てきたことに驚きました。処理時間はT4の半分の時間で生成できました。
3.3.1 A100
L4と同じ結果が出ました。処理時間はL4の4分の1時間で生成できました。
3.まとめ
こういうことは本来、テストスクリプトを作ってパラメータ変えて計測するものだと思うんですが、今回はあえてハンドメイドで測定しました。
実際に操作を行うことで、速度の速さや状況による所要時間を実感することができました。
いつもはT4でやっているんですが、実際にA100などを使ってみようという気になりました。
これだけ早い生成速度であれば、パラメータを変えながら一気に生成するといったフローなど、人間の思考時間を挟まないシーンで効率よく利用できると嬉しいと思いました。
とにかく、起動時間や無駄に動かす時間を減らして有効にリソース活用したいです。
最後まで読んで頂きありがとうございました。
