1 前言

因為Lora的性能更好，且大多數(shù)人使用的也是Lora，所以這里只講Lora的訓練方法。

2 工具準備

2.1 Kohya's Stable Diffusion trainers

算是Lora的官方訓練工具，但因為國內(nèi)環(huán)境問題，想要安裝這個有點費勁。

github地址：https://github.com/kohya-ss/sd-scripts

2.2 Kohya_ss GUI

上面那個工具的UI界面，不安裝這個就只能在CMD里面操作。

github地址：https://github.com/bmaltais/kohya_ss

2.3?秋葉aaaki整合包

由秋葉aaaki基于2.1的工具整合適用于國內(nèi)情況的包，優(yōu)化了下載源等參數(shù)。

github地址：https://github.com/Akegarasu/lora-scripts

視頻地址：秋葉整合包

3 準備數(shù)據(jù)集

訓練模型需要數(shù)據(jù)集，而數(shù)據(jù)集又包含圖片和tag文本兩部分。所以在訓練之前我們要先準備數(shù)據(jù)集。

先在*\lora-scripts\train地址下新建一個文件夾代表本次訓練，比如meinv，即*\lora-scripts\train\meinv

然后再在這個文件夾中新建一個文件夾，比如*\lora-scripts\train\meinv\orig，并將收集的圖片放到里面。

然后再在meinv文件夾中新建一個文件夾作為圖片處理后的存放地址，比如*\lora-scripts\train\meinv\out。

打開WebUI，選擇“訓練”—“圖像預處理”，在“源目錄”那里填寫*\lora-scripts\train\meinv\orig，目標目錄那里填寫*\lora-scripts\train\meinv\out。

寬度和高度都保持512不變。

勾選“自動焦點裁切”和“使用deepbooru生成說明文字”。

點擊“預處理”開始處理圖片，稍等片刻，處理好的圖片和tag文檔就在*\lora-scripts\train\meinv\out文件夾里面生成了。

確認生成的數(shù)據(jù)沒有問題后，在meinv文件夾中再新建一個文件夾，文件夾名稱格式為“數(shù)字_概念名”，比如7_meinv1，目錄為*\lora-scripts\train\meinv\7_meinv1。然后將剛才生成的圖片和標簽文本全部放到這個文件夾里。

4?設置訓練參數(shù)

按照秋葉大佬的講解設置參數(shù)，參數(shù)設置完就可以開始訓練了。

秋葉大佬教學視頻

5?可能發(fā)生的問題

1.頁面文件太小

（1）修改虛擬內(nèi)存，將虛擬內(nèi)存大小上限設置為80G。

（2）將運行中的Stable Diffusion關(guān)閉，注意是要關(guān)閉黑框，不能只關(guān)Web UI。

（3）確認訓練參數(shù)設置中是否將“persistent_data_loader_workers”的參數(shù)設置為1了。該參數(shù)能加快訓練速度，但需要大量虛擬內(nèi)存，如果虛擬內(nèi)存不夠，請將這個參數(shù)設置為0.

2.No module named 'toml'

因為網(wǎng)絡原因?qū)е掳惭b包沒有完全安裝，重新運行“install-cn”，確保訓練包安裝完全。

3.其他問題

去上面那個教學視頻下面的評論區(qū)查看。

或者刪除所有文件，完全使用秋葉大佬的安裝包安裝，注意安裝python前和安裝后重啟電腦。