2023-05-02|閱讀時間 ‧ 約 8 分鐘

Stable Diffusion -- 訓練LoRA（四）

前言

接續上一篇：Stable Diffusion -- 訓練LoRA（三），我們開始用準備好的訓練素材圖跟規範圖來烘焙我們的LoRA。

訓練

我們開始使用另一個Colab頁面來執行真正的訓練步驟：

https://colab.research.google.com/github/hollowstrawberry/kohya-colab/blob/main/Lora_Trainer.ipynb

這個版本的Colab訓練頁面多了一些與規範圖相關的功能，在執行訓練前，我們要來指定素材圖與規範圖擺放的目錄。

先往下捲動到Extras區，找到Multiple folders in dataset這個區塊，將裡面的數值改成這樣：

custom_dataset = """

[[datasets]]



[[datasets.subsets]]

image_dir = "/content/drive/MyDrive/Loras/{專案目錄名}/dataset" 

num_repeats = 10



[[datasets.subsets]]

image_dir = "/content/drive/MyDrive/Loras/{規範圖目錄名}/dataset"

is_reg = true

num_repeats = 1



"""

在這裡，專案目錄名就是你擺放的素材圖的地方，以我為例，就是XingBar30。

接著的num_repeats是每個素材圖會被訓練的次數，通常是總圖數乘上本數值要等於300到400。因為我的素材總共有30張，所以我選擇10這個數字，這樣每回合就會被訓練300次。

而規範圖目錄名則是你放置規範圖的目錄，在本例中我將男性圖片的規範圖放在Man這個目錄底下。

要注意的是，is_reg = true一定要放在規範圖這一小節的地方，否則訓練程式會認不出來，這樣訓練出來的LoRA會完全做不出你要的角色。

通通設定完之後就可以執行這個小節的程式。

按下執行鈕，改變設定

這格執行完之後，我們就可以開始在Setup小節填入其他資料了。

project_name這邊填入專案目錄名，例如XingBar30。

training_model目前有三個選項，如果是動漫傾向的角色，可以用Anime這個模型，否則用AnyLoRA就好。以我個人三種都試過的經驗，影響似乎不大。

Setup小節

在Step步驟，我只有改變how_many到20或30回合。這樣可以得到品質更好的成果。

總訓練步數的計算方法是：

素材圖張數 X 每張訓練次數 X 總回合數。

以我的例子就是 30 X 10 X 30 = 9000。

Step小節

最後是AI訓練參數，這邊作者有特別提到不同類型的模型需要不同的參數，我們訓練的LoRA的推薦參數是：

network_dim： 32

network_alpha： 16

其他則保持原樣。

Structure小節

一切都設定好之後，就可以按下執行，開始訓練LoRA了！

開始訓練！

在執行紀錄裡面，請一定要確認Multiple folders in dataset裡面的設定有正確執行，你可以看到類似這樣的紀錄跑出來：

設定正確的話會跑出這個紀錄文字

以我個人的經驗，Colab的GPU一個小時可以跑大約6000步，所以一個9000步的LoRA訓練可以在一個半小時之內跑完。

由於我時常使用Colab來跑這些東西，所以索性買了Colab的點數，通常訓練LoRA的時候，一個小時消耗2個點數，也就是說10美金的Colab點數100點，可以讓我們訓練50小時，算是蠻實惠的。

跑出最後的連結就是成功了！

訓練出來的LoRA檔案，就在雲端硬碟的output目錄下，點下Done連結會自動打開該目錄，讓你可以下載。

常見錯誤

訓練最常出錯的地方，是沒有把素材圖跟規範圖放到正確的目錄下，使得程式找不到圖而停止。要是程式很快就停止了，請在Colab左側的欄位上點開檔案目錄，查看自己的檔案結構是不是類似這樣：

程式預期的檔案目錄結構

驗證

LoRA訓練完成之後，下載下來到/models/Lora/目錄，重開Automatic1111，在Lora標籤下按下Refresh，應該就能看到自己訓練的LoRA了。

要驗證自己的LoRA有沒有用，最簡單的就是用較低的權重直接產生一張圖，比較一下自己的素材圖，如果不像的話，試著調高權重到0.7再試試，如果還是不像，那就是訓練失敗了。

左邊是素材圖，右邊是LoRA產生的圖。臉型，髮色，髮型是符合的

當確認LoRA有成功之後，接下來就要來比較同一角色不同版本的LoRA的成效，通常我們會使用X/Y/Z plot來做全面的比對。X/Y/Z plot的詳細用法請參考：

Stable Diffusion進階 -- X/Y/Z plot

我最常用：

X軸：各種動作

Y軸：幾個常用的模型

Z軸：兩個不同版本的LoRA使用同樣的權重

比較不同的版本LoRA，來確定新版本更合你意。

新舊版的LoRA比較

確認了新版本LoRA表現更佳之後，就可以繼續用X/Y/Z plot來深入探究在各種模型上，最好的權重是多少，每個模型最適合的權重都有些不一樣，品質好的LoRA可以在高權重時，在不同模型上依舊產生特徵一樣的角色，而且同時不摧毀原模型的畫質。

用相同動作，相同模型組，不同權重的比較

在這邊，如果各種驗證步驟都沒有出什麼大問題，恭喜你，你已經烘焙好一個高品質，穩定的角色LoRA了！

結語

訓練LoRA是很吃耐心跟細心的，很多時候，就是素材圖或規範圖的圖樣不一致，或者素材的文字檔忘了刪除某些提示詞，於是角色特徵沒有正確融入這個LoRA，一切就要從頭再訓練。但是當你正確產生了第一個高品質LoRA之後，依照同樣的步驟，就能一遍又一遍將你夢想中的角色製作出來，用在任何模型上！這種成就感是非常讓人滿足的。

歡迎來到LoRA的世界！

祝大家算圖愉快！

LoRA目錄：

分享至

成為作者繼續創作的動力吧！

討論區

追蹤

Stable Diffusion -- 訓練LoRA（四）

前言

訓練

常見錯誤

驗證

結語

作者的相關文章

子不語怪・力・亂・神的其他內容

你可能也想看

發表回應

Stable Diffusion -- 訓練LoRA（四）

前言

訓練

常見錯誤

驗證

結語

作者的相關文章

子不語怪・力・亂・神 的其他內容

你可能也想看

發表回應

子不語怪・力・亂・神的其他內容