AI绘图学习笔记（三）——模型训练

1 前言

因为Lora的性能更好，且大多数人使用的也是Lora，所以这里只讲Lora的训练方法。

2 工具准备

2.1 Kohya's Stable Diffusion trainers

算是Lora的官方训练工具，但因为国内环境问题，想要安装这个有点费劲。

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

2.2 Kohya_ss GUI

上面那个工具的UI界面，不安装这个就只能在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的工具整合适用于国内情况的包，优化了下载源等参数。

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

视频地址：秋叶整合包

3 准备数据集

训练模型需要数据集，而数据集又包含图片和tag文本两部分。所以在训练之前我们要先准备数据集。

先在*\lora-scripts\train地址下新建一个文件夹代表本次训练，比如meinv，即*\lora-scripts\train\meinv

然后再在这个文件夹中新建一个文件夹，比如*\lora-scripts\train\meinv\orig，并将收集的图片放到里面。

然后再在meinv文件夹中新建一个文件夹作为图片处理后的存放地址，比如*\lora-scripts\train\meinv\out。

打开WebUI，选择“训练”—“图像预处理”，在“源目录”那里填写*\lora-scripts\train\meinv\orig，目标目录那里填写*\lora-scripts\train\meinv\out。

宽度和高度都保持512不变。

勾选“自动焦点裁切”和“使用deepbooru生成说明文字”。

点击“预处理”开始处理图片，稍等片刻，处理好的图片和tag文档就在*\lora-scripts\train\meinv\out文件夹里面生成了。

确认生成的数据没有问题后，在meinv文件夹中再新建一个文件夹，文件夹名称格式为“数字_概念名”，比如7_meinv1，目录为*\lora-scripts\train\meinv\7_meinv1。然后将刚才生成的图片和标签文本全部放到这个文件夹里。

4 设置训练参数

按照秋叶大佬的讲解设置参数，参数设置完就可以开始训练了。

秋叶大佬教学视频

5 可能发生的问题

1.页面文件太小

（1）修改虚拟内存，将虚拟内存大小上限设置为80G。

（2）将运行中的Stable Diffusion关闭，注意是要关闭黑框，不能只关Web UI。

（3）确认训练参数设置中是否将“persistent_data_loader_workers”的参数设置为1了。该参数能加快训练速度，但需要大量虚拟内存，如果虚拟内存不够，请将这个参数设置为0.

2.No module named 'toml'

因为网络原因导致安装包没有完全安装，重新运行“install-cn”，确保训练包安装完全。

3.其他问题

去上面那个教学视频下面的评论区查看。

或者删除所有文件，完全使用秋叶大佬的安装包安装，注意安装python前和安装后重启电脑。