LoRA 是一种轻量化的模型微调训练方法，是在原有大模型的基础上，对模型进行微调，从而能够生成特定的人物、物品或画风。该方法具有训练速度快，模型大小适中，训练配置要求低的特点，能用少量的图片训练出想要的风格效果。本地训练要求 N 卡，推荐 RTX 30 系列及以上显卡，训练环境推荐用秋叶大佬的一键训练包。
Stable Diffusion 训练工作台。一切集成于一个 WebUI 中。
按照下面的安装指南安装 GUI，然后运行 run_gui.ps1(Windows) 或 run_gui.sh(Linux) 来启动 GUI。
LoRA训练一键包发布页面&使用视频教程：
【【AI绘画】模型训练器发布！简单又不失专业的LoRA模型训练一键包】
项目地址：https://github.com/Akegarasu/lora-scripts/
秋叶秋葉Lora开源模型训练一键包免费下载地址Windows版本
LoRA训练器界面展示：
训练包使用方法
必要依赖
Python 3.10 和 Git
克隆带子模块的仓库
git clone --recurse-submodules https://github.com/Akegarasu/lora-scripts
✨ SD-Trainer GUI
Windows
安装
运行 install-cn.ps1 将自动为您创建虚拟环境并安装必要的依赖。
训练
运行 run_gui.ps1，程序将自动打开 http://127.0.0.1:28000
Linux
安装
运行 install.bash 将创建虚拟环境并安装必要的依赖。
训练
运行 bash run_gui.bash，程序将自动打开 http://127.0.0.1:28000
通过手动运行脚本的传统训练方式
Windows
安装
运行 install.ps1 将自动为您创建虚拟环境并安装必要的依赖。
训练
编辑 train.ps1，然后运行它。
Linux
安装
运行 install.bash 将创建虚拟环境并安装必要的依赖。
训练
训练
脚本 train.sh 不会 为您激活虚拟环境。您应该先激活虚拟环境。
source venv/bin/activate
编辑 train.sh，然后运行它。
TensorBoard
运行 tensorboard.ps1 将在 http://localhost:6006/ 启动 TensorBoard
程序参数
| 参数名称 | 类型 | 默认值 | 描述 |
|---|---|---|---|
--host |
str | “127.0.0.1” | 服务器的主机名 |
--port |
int | 28000 | 运行服务器的端口 |
--listen |
bool | false | 启用服务器的监听模式 |
--skip-prepare-environment |
bool | false | 跳过环境准备步骤 |
--disable-tensorboard |
bool | false | 禁用 TensorBoard |
--disable-tageditor |
bool | false | 禁用标签编辑器 |
--tensorboard-host |
str | “127.0.0.1” | 运行 TensorBoard 的主机 |
--tensorboard-port |
int | 6006 | 运行 TensorBoard 的端口 |
--localization |
str | 界面的本地化设置 | |
--dev |
bool | false | 开发者模式，用于禁用某些检查 |
黄金会员本站内容由用户自发贡献，该文观点仅代表作者观点。本站仅提供存储服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请联系我删除。
