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：
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。
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。
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。
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。
一切都設定好之後，就可以按下執行，開始訓練LoRA了！
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：
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。
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：
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。
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。
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。
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。
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！
作者的相關文章
子不語怪・力・亂・神 的其他內容
- Stable Diffusion -- 訓練LoRA（三）
- Stable Diffusion -- 訓練LoRA（二）
- Stable Diffusion -- 訓練LoRA（一）
- Stable Diffusion -- 如何使用LoRA
你可能也想看
- 「天天秋嗨嗨」：vocus 秋季徵文，五大主題 & 獎品登場！
- 美國大選『終局之戰』（Endgame）即將展開， 美股將迎來新世紀？（上篇：模型推導寶座花落誰家？）
- 如果這個世界有神，那祂一定姓李名相赫｜矮袋鼠律師
- Stable Diffusion Online網頁版，免費無限生成高質量圖像
- Stable Diffusion 用 prompt 控制鏡頭距離及角度
- Stable Diffusion: Advancing Generative Models for Robust and
- stable-diffusion-webui AUTOMATIC1111在更新1.6版後的八大重點項目
- 最近的A1111/Vlad有點怪 | Stable Diffusion (資訊更新 2023/07/20)
- 紫斑塊 vs VAE - Stable Diffusion
- AI繪圖-有關stable diffusion webui的五個冷知識
- 增加訓練LoRA、LoCon模型的精準度 - Stable Diffusion
- Stable diffusion低配電腦，免費!
- 恣意發揮 vs 照本宣科：Stable Diffusion取樣方法的差異
發表回應
成為會員 後即可發表留言
© 2024 vocus All rights reserved.