https://namaraii.com/tags/lora/Recent content in LoRA on namaraii.comHugo -- gohugo.iojahitoshi@namaraii.com (竹内 仁 (TAKEUCHI Hitoshi))hitoshi@namaraii.com (竹内 仁 (TAKEUCHI Hitoshi))© 2026 TAKEUCHI Hitoshi, All Rights Reserved.Tue, 26 Aug 2025 14:01:41 +0900https://namaraii.com/posts/comfyui/Tue, 26 Aug 2025 14:01:41 +0900hitoshi@namaraii.com (竹内 仁 (TAKEUCHI Hitoshi))https://namaraii.com/posts/comfyui/<p><strong>ComfyUI</strong>は、Stable Diffusionなどの拡散モデルを使用した画像生成のための<strong>ノードベースUI</strong>である。</p> <ul> <li><a href="https://www.comfy.org/" target="_blank" rel="noreferrer">ComfyUI | Generate video, images, 3D, audio with AI</a></li> </ul> <h2 class="relative group">ComfyUIの基本概念 <div id="comfyuiの基本概念" class="anchor"></div> <span class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"> <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#comfyui%e3%81%ae%e5%9f%ba%e6%9c%ac%e6%a6%82%e5%bf%b5" aria-label="アンカー">#</a> </span> </h2> <h3 class="relative group">ノードベースワークフロー <div id="ノードベースワークフロー" class="anchor"></div> <span class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"> <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e3%83%8e%e3%83%bc%e3%83%89%e3%83%99%e3%83%bc%e3%82%b9%e3%83%af%e3%83%bc%e3%82%af%e3%83%95%e3%83%ad%e3%83%bc" aria-label="アンカー">#</a> </span> </h3> <p>ComfyUIは従来のテキストボックス形式ではなく、<strong>ノード（節点）を線で繋ぐ</strong>方式でワークフローを構築する。各ノードが特定の機能を持ち、それらを組み合わせて複雑な画像生成プロセスを作成できる。</p> <h2 class="relative group">基本的なノード構成 <div id="基本的なノード構成" class="anchor"></div> <span class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"> <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e5%9f%ba%e6%9c%ac%e7%9a%84%e3%81%aa%e3%83%8e%e3%83%bc%e3%83%89%e6%a7%8b%e6%88%90" aria-label="アンカー">#</a> </span> </h2> <h3 class="relative group">入力系ノード <div id="入力系ノード" class="anchor"></div> <span class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"> <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e5%85%a5%e5%8a%9b%e7%b3%bb%e3%83%8e%e3%83%bc%e3%83%89" aria-label="アンカー">#</a> </span> </h3> <ul> <li><strong>Checkpoint Loader</strong>: モデル（チェックポイント）を読み込む</li> <li><strong>CLIP Text Encode</strong>: プロンプトをテキストエンコーディングする</li> <li><strong>Empty Latent Image</strong>: 生成する画像のサイズを指定</li> </ul> <h3 class="relative group">処理系ノード <div id="処理系ノード" class="anchor"></div> <span class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"> <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e5%87%a6%e7%90%86%e7%b3%bb%e3%83%8e%e3%83%bc%e3%83%89" aria-label="アンカー">#</a> </span> </h3> <ul> <li><strong>KSampler</strong>: 実際の画像生成（サンプリング）を行う</li> <li><strong>VAE Decode</strong>: 潜在空間から画像に変換</li> <li><strong>LoRA Loader</strong>: LoRAモデルを適用</li> </ul> <h3 class="relative group">出力系ノード <div id="出力系ノード" class="anchor"></div> <span class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"> <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e5%87%ba%e5%8a%9b%e7%b3%bb%e3%83%8e%e3%83%bc%e3%83%89" aria-label="アンカー">#</a> </span> </h3> <ul> <li><strong>Save Image</strong>: 生成された画像を保存</li> <li><strong>Preview Image</strong>: 画像をプレビュー表示</li> </ul> <h2 class="relative group">ワークフローの例 <div id="ワークフローの例" class="anchor"></div> <span class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"> <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e3%83%af%e3%83%bc%e3%82%af%e3%83%95%e3%83%ad%e3%83%bc%e3%81%ae%e4%be%8b" aria-label="アンカー">#</a> </span> </h2> <p>基本的な画像生成ワークフローは以下のような流れになる：</p>https://namaraii.com/posts/lora/Tue, 26 Aug 2025 13:52:23 +0900hitoshi@namaraii.com (竹内 仁 (TAKEUCHI Hitoshi))https://namaraii.com/posts/lora/<p>LoRA（Low-Rank Adaptation）は、大規模言語モデルやその他のニューラルネットワークを効率的にファインチューニングする手法。</p> <p>従来のファインチューニングでは、事前学習済みモデルの全てのパラメータを更新する必要があったが、LoRAでは低ランク分解という数学的手法を使い、少ないパラメータで効果的な学習を実現する。</p>