Stable Diffusion -- 訓練LoRA（二）
閱讀時間約 6 分鐘
前言
這次要介紹的LoRA訓練法，特別適用於下列對象：
- nVidia顯卡不夠高級，跑不動訓練程序
- 根本不是nVidia的使用者，Stable Diffusion的訓練程序不支援
- 不想花錢花電力花顯卡時間訓練
這個方法主要是借用Google Colab的威力，直接靠Colab強大GPU與夠大的顯卡記憶體，能夠非常充足地訓練出品質非常優異的LoRA模型。
更新
由於該頁面的作者更新了整個架構，因此本章節的步驟不再有效，請移駕
下面的文章保留作為存檔。
第一步，上傳訓練圖：
首先，你必須登入Google，進入Google雲端硬碟。
然後，創建一個多層的資料夾，根據你的LoRA的名稱，格式是：
我的雲端硬碟 -> Loras -> <專案名稱> -> dataset
以下是舊版的路徑，已經不再使用：
我的雲端硬碟 -> lora_training -> datasets -> <專案名稱>以我為例，我創建的路徑為：
我的雲端硬碟 -> Loras -> Vallaria -> dataset
以下是舊版的路徑，已經不再使用：
我的雲端硬碟 -> lora_training -> datasets -> Vallaria
之後，將
Stable Diffusion -- 訓練LoRA（一）
製作好的訓練圖以及提示詞文檔全部上傳到這個目錄裡面，結果會像下圖一樣：
雲端硬碟的目錄結構會長得像這樣：
第二步，使用Colab訓練：
訓練素材準備好之後，就可以打開Colab頁面來訓練了。
首先，登入這個頁面：
裡面有幾個欄位要填寫，需要修改的有這幾個：
project_name： 等同於你放在Google雲端硬碟的目錄名，以我為例這裡是Vallaria
training_model：有兩個原始模組可以挑選，如果要用在動畫圖片上可用Anime，否則選Photorealism。我自己是用Photorealism訓練，用在動畫類的模組上也沒啥問題。
- num_repeats：每張圖被訓練的次數，這邊我選10
- training_unit：我選擇Epochs
- how_many：我選擇20
- train_batch_size：同時訓練的圖的數量，通常是2
- 其他參數保持不變即可。
在這邊你要依照你的訓練圖的數量來決定num_repeats的數量，有一個算式是：
訓練圖總數 X 每張訓練步數 X Epochs數量 = 總訓練數。
以我的20張訓練圖為例：
20張 X 10步 X 20個Epochs = 4000。
這個數字要超過4000，這樣LoRA的品質才會好，而通常低於6000，免得Colab的每日免費時數被用完。
當訓練數量低於2000，出來的LoRA非常難看，角色的特徵能被抓出來，但是成品的臉型邊緣會一團模糊，更細部的特徵例如雀斑、膚色會大面積不穩定在臉上擴散。當訓練數量到達3000以後，大部分的品質會趨於穩定，但是眼睛的特徵會過於模糊，使得人物的神色委靡。直到了4000以上的LoRA才能拿來用。
當一切都設定好之後，就可以按下左邊的開始圖示跑訓練了！
剛開始跑的時候，程式會要求你授權，讓它能存取你的Google雲端硬碟，請記得要允許。
如果一切正常的話，你就會在這區塊的最下方看到系統跑訓練的log了！
通常需要十到二十分鐘才能跑完。
當訓練完成後會出現連結，但其實，成果檔案就在你的雲端硬碟的目錄上：
我的雲端硬碟 -> Loras -> <專案名稱> -> output
你會在這個目錄上看到不只一個safetensors檔案，數字最大的那個就是最後訓練的成果LoRA檔案了。
就這樣，你已經輕鬆烘焙出你自己的LoRA了！
恭喜你，完成了！
是時候把你的LoRA模組放到stable-diffusion-webui的models/Lora目錄裡面，然後重開整個webui，就能看見它出現在Lora標籤下了，馬上用它來生出你想要的角色圖，驗證並同時犒賞犒賞自己吧！
我把用同一個LoRA跑出來的圖都放在
敬業的外拍Cosplayer -- Stable Diffusion繪製
裡面了，有興趣就看一下成果吧，你會發現角色的五官特徵大致上是一致的。
附註：有些真人向模型因為額外訓練素材的偏好，出來的女角色都會有強烈的髮色與瞳色偏好，權重不夠高的LoRA還無法直接蓋過，但LoRA權重過高又會影響整個畫風，這種情況下必須使用提示詞強制改變髮色與瞳色。
LoRA目錄：
為什麼會看到廣告
留言0
查看全部
你可能也想看
重點摘要：
1.9 月降息 2 碼、進一步暗示年內還有 50 bp 降息
2.SEP 上修失業率預期，但快速的降息速率將有助失業率觸頂
3.未來幾個月經濟數據將繼續轉弱，經濟復甦的時點或是 1Q25 季底附近
近期的「貼文發佈流程 & 版型大更新」功能大家使用了嗎？
新版式整體視覺上「更加凸顯圖片」，為了搭配這次的更新，我們推出首次貼文策展 ❤️
使用貼文功能並完成這次的指定任務，還有機會獲得富士即可拍，讓你的美好回憶都可以用即可拍珍藏！
Stable Diffusion Online是網頁版的Stable Diffusion AI圖像生成工具，省去了繁瑣的安裝和設定步驟，可以無限生成圖片，且不用註冊就可以免費使用，更棒的是還可以商業使用，為使用者提供更便捷的圖像生成體驗。
在 Stable Diffusion 中有時人物的大小遠近好像很隨機，除了用 ControlNet 其實可以利用 prompt 輸入 拍攝電影的鏡頭控制術語用來控制距離及角度。
Generative models have made remarkable strides in recent years, enabling machines to create diverse and realistic content across various domains. Amon
stable-diffusion-webui AUTOMATIC1111在近期更新到1.6版了，我在本文中列出較重要的8個有感且實用的更新項目。
而那些較為底層的，或是專給高手使用的更新項目我就不細說了。
因為最近 Vlad 頻繁出問題，且Img2Img算一張1024x2048、Denoising Strength 0.45 的圖要整整兩個小時，想說暫時先用 A1111 應急。沒想到 A1111 現在也是半斤八兩，沒有 --no-half --no-half-vae u 一定出問題不說，Img2Img
本教學使用Automatic 1111介面
AI繪圖風行至今，網上已有不少中文教學，包括教導如何訓練LoRA、LoCon等模型的文章，而訓練上述模型時，通常會經過一道「Preprocess Images」工序，中文稱為「圖片預處理」。
stable diffusion 是一款AI繪圖軟體，你可以免費把stable diffusion算出來的圖免費拿來商用，但是像我的電腦因為顯卡太舊而無法快速運行，而浪費很多時間，你只要準備一個google帳號即可。
先說結論：
演算Img2Img時，Sampling Methods（取樣方法）中Karras類型比較忠於原圖，非Karras類型比較放飛自我。
AI 每天每週都在進步，我寫在 繪圖0能者的AI藝術入門手冊 的推薦軟體安裝，很快就推出新版了，所以，我把 Automatic1111 最新版本安裝方式寫在這裡，以便盡我所能為各位讀者更新。
建議使用 windows 桌機PC，具有 Nvidia GTX1660以上等級的獨立顯示卡，算圖會比較容易。
去這邊點選開啟sd的webui-user.bat程式先會跟你說9009
把這個bat右鍵筆記本編輯會發現，set PYTHON=路徑是空的，那我們就去把後面的路徑補上改成下面這個
set PYTHON=D:\StableDiffusion\system\python\python.exe
接下來
重點摘要：
1.9 月降息 2 碼、進一步暗示年內還有 50 bp 降息
2.SEP 上修失業率預期，但快速的降息速率將有助失業率觸頂
3.未來幾個月經濟數據將繼續轉弱，經濟復甦的時點或是 1Q25 季底附近
近期的「貼文發佈流程 & 版型大更新」功能大家使用了嗎？
新版式整體視覺上「更加凸顯圖片」，為了搭配這次的更新，我們推出首次貼文策展 ❤️
使用貼文功能並完成這次的指定任務，還有機會獲得富士即可拍，讓你的美好回憶都可以用即可拍珍藏！
Stable Diffusion Online是網頁版的Stable Diffusion AI圖像生成工具，省去了繁瑣的安裝和設定步驟，可以無限生成圖片，且不用註冊就可以免費使用，更棒的是還可以商業使用，為使用者提供更便捷的圖像生成體驗。
在 Stable Diffusion 中有時人物的大小遠近好像很隨機，除了用 ControlNet 其實可以利用 prompt 輸入 拍攝電影的鏡頭控制術語用來控制距離及角度。
Generative models have made remarkable strides in recent years, enabling machines to create diverse and realistic content across various domains. Amon
stable-diffusion-webui AUTOMATIC1111在近期更新到1.6版了，我在本文中列出較重要的8個有感且實用的更新項目。
而那些較為底層的，或是專給高手使用的更新項目我就不細說了。
因為最近 Vlad 頻繁出問題，且Img2Img算一張1024x2048、Denoising Strength 0.45 的圖要整整兩個小時，想說暫時先用 A1111 應急。沒想到 A1111 現在也是半斤八兩，沒有 --no-half --no-half-vae u 一定出問題不說，Img2Img
本教學使用Automatic 1111介面
AI繪圖風行至今，網上已有不少中文教學，包括教導如何訓練LoRA、LoCon等模型的文章，而訓練上述模型時，通常會經過一道「Preprocess Images」工序，中文稱為「圖片預處理」。
stable diffusion 是一款AI繪圖軟體，你可以免費把stable diffusion算出來的圖免費拿來商用，但是像我的電腦因為顯卡太舊而無法快速運行，而浪費很多時間，你只要準備一個google帳號即可。
先說結論：
演算Img2Img時，Sampling Methods（取樣方法）中Karras類型比較忠於原圖，非Karras類型比較放飛自我。
AI 每天每週都在進步，我寫在 繪圖0能者的AI藝術入門手冊 的推薦軟體安裝，很快就推出新版了，所以，我把 Automatic1111 最新版本安裝方式寫在這裡，以便盡我所能為各位讀者更新。
建議使用 windows 桌機PC，具有 Nvidia GTX1660以上等級的獨立顯示卡，算圖會比較容易。
去這邊點選開啟sd的webui-user.bat程式先會跟你說9009
把這個bat右鍵筆記本編輯會發現，set PYTHON=路徑是空的，那我們就去把後面的路徑補上改成下面這個
set PYTHON=D:\StableDiffusion\system\python\python.exe
接下來