资讯

历史

科技

环境与自然

成长

游戏

财经

文学与艺术

美食

健康

家居

文化

情感

汽车

三农

军事

旅行

运动

教育

生活

星座命理

手把手教你用LoRA训练自己的Stable Diffusion模型

创作时间:

作者:

@小白创作中心

手把手教你用LoRA训练自己的Stable Diffusion模型

引用

CSDN

https://blog.csdn.net/xian0710830114/article/details/138899778

目录
写在前面
一、准备数据
二、数据打标签
三、执行训练
四、执行推理
1.LoRA推理
2.全参数推理

写在前面

Stable Diffusion大家已经很熟悉了，那么如何训练自己的sd模型呢，今天就介绍一下用LoRA训练sd的方法。

建议先看一下这两篇文章，了解一些前置知识：

手把手教你在linux中部署stable-diffusion-webui
如何训练一个大模型：LoRA篇

我们以Chilloutmix为例，Chilloutmix可以生成好看的小姐姐。为了实验LoRA的能力，我们用小哥哥的图片对它进行微调，看效果如何。

一、准备数据

从网上找一些小帅的图片，需要脸部清晰的、多角度的、正脸的、侧脸的、最好是背景干净的、各种表情的，这样增加训练集的多样性，提高模型的泛化能力。

素材可以少（一般几十张就不少了，太多了也会过拟合），但是质量一定要高。

背景最好是纯色，想训练什么就突出什么，对于我们的任务，需要选取人脸为重点的图片。

搜集好训练用的图像后，需要进行大小的规范处理，需要是64的倍数。一般都处理为512512，也可以是768768，不建议超过1024，尺寸越大则越吃显存。

推荐一个批量处理图像尺寸的网站挺好用的：https://www.birme.net/

处理后的图片长这样：

二、数据打标签

其实我们要训练的是ControlNet，现在图片有了，还差图片的描述或者叫标签。我们不需要自己手动给每张图片打标签，sd-webui有现成的工具（DeepBooru）生成图片的标签。

在sd-webui中进行如上操作，在3填写输入图片的目录，4填写输出目录，处理之后原图片和标签文件txt都会放在输出目录

txt中的内容长这样，都是一个一个的标签：

接下来我们要检查每张图片的标签，这里有两个简单的原则：

1.通用的特征标签需要去掉，比如人物的眼睛、眉毛、鼻子、头发长度等代表人物本身的属性。凡是绑定在人物身上的，就要把它们删除。再比如出图只要黑色头发，那训练数据都喂黑色头发，并且删掉类似“black_hair”的标签。

2.留下非通用的标签，比如不是每张训练数据都是微笑的，所以对于微笑的数据应该有“smile”标签；不是所有的数据背景都是白色，就要保留“white backgroud”。

具体保留或者增加什么标签其实没有硬性的规定，还是要根据具体情况反复尝试。

sd-webui是有打标签的插件的，但是我更喜欢一款小工具，方便多人使用，BooruDatasetTagManager，地址：https://pan.baidu.com/s/1Ff7nkwf95AziCcZWTofIzg?pwd=jfoe

数据和标签准备好后放在一个自定义的目录中待用，有一点需要注意，文件名的格式是数字_字母，前面的数字是每次训练过程中网络训练单张图片的次数，比如10_asianman。这个目录命名很重要，一定不要写错！！！

三、执行训练

LoRA训练我们使用kohya，kohya是日本人开发的，所以会经常出现日文，凑活这看吧。

1.建一个conda环境

conda create --name kohya python=3.10

2.进入环境

conda activate kohya

3.下载kohya，别忘了下载sd-scripts目录中的项目：kohya-ss (Kohya S.) · GitHub，下载后执行:

pip install -r requirements.txt

4.因为我们是对Chilloutmix进行微调，所以先在这里下载Chilloutmix，并放在model目录下。

5.启动kohya:

python kohya_gui.py --listen 0.0.0.0 --server_port 12348 --inbrowser

6.打开地址http://[ip]:12348/ ，并填写配置信息：

同时Parameters菜单中还有一些高级设置，比如batch size、train steps、LoRA的秩、Alpha等：

一些注意：

1.训练时的总epoch数是算出来的，上面的Epoch好像没有用，计算公式是：

Max train steps * Train batch size / (数据总数 * 训练单张图片的次数)，这算法很奇怪，他把Train batch size当做了batch size per device

2.LoRA的秩用8就可以了，Alpha训练人物一般都设32，64都可以；训练风格可以用到128。

我看到有的文章说不能直接用safetensors文件直接训练，必须还要有config.json，但是我没有遇到这种情况。如果遇到了可以下载这个，放在项目根目录的openai/clip-vit-large-patch14 和 laion/CLIP-ViT-bigG-14-laion2B-39B-b160k

4.如果要全参数训练只需选择Dreambooth菜单，其它使用方式和LoRA基本相同：

5.如果报这个错的话：'FieldInfo' object has no attribute 'required'. Did you mean: 'is_required'?，是一些库的版本冲突了，可以试试如下命令：

pip install gradio==3.48.0  
pip install pydantic==1.10.13 pydantic_core==2.14.6  
pip install transformers==4.38.0  
pip install accelerate==0.25.0  
pip install torch==2.1.1  
pip install xformers==0.0.23