kohya_ss 快速上手:3步跑通你的第一次 LoRA 训练
【免费下载链接】kohya_ss项目地址: https://gitcode.com/GitHub_Trending/ko/kohya_ss
想让某位画师的风格变成可反复调用的模型?用 kohya_ss 训练 Stable Diffusion 的 LoRA(给基座模型外挂的小型"风格权重文件")即可实现。本文带你完成安装,并跑通一次完整的 LoRA 训练。
🧭 项目速览:kohya_ss 适合谁
这一节先划清工具边界,避免你选错方向。
- 图形化参数面板:适合不想碰命令行的新手;不适合全自动批量调参
- 支持 LoRA、Dreambooth、完整微调:适合风格与人物训练;不适合从零预训练基座
- 覆盖 SD1.5 到 Flux.1 多版本基座:适合多模型用户;显存低于 8GB 慎选 SDXL
- 内置 40 余个社区预设:适合快速起步;不适合追求极限自定义的深度用户
🚀 安装与首次启动:3条命令跑通 kohya_ss
本节完成从空目录到打开 Web 界面的全过程。
先确认硬件:终端执行nvidia-smi,能看到显卡型号与显存即通过。训练需要 NVIDIA 显卡,显存 12GB 起步比较从容。
第一步,拉取代码:
git clone --recursive https://gitcode.com/GitHub_Trending/ko/kohya_ss cd kohya_ss--recursive会连带下载项目依赖的子模块,漏掉它启动时会报文件缺失。成功标志:目录下能看到gui.sh、kohya_gui.py等文件。
第二步,启动:
Windows 执行.\gui-uv.bat;Linux / macOS 执行./gui-uv.sh。脚本检测不到uv时会询问是否自动安装,按 Y 即可,它负责建环境并装完全部依赖。成功标志:浏览器打开http://localhost:7860,出现 kohya_ss 界面且 LoRA 标签页可以点开。
📷 第一次训练参数怎么填:从素材到产出
只讲一个场景:照仓库自带示例的结构,训练一张人物 LoRA。
素材准备
- 图片放一个文件夹,文件夹名带数字前缀,如
10_yourname - 每张图配同名
.txt文件,写一句英文描述 - 示例素材在 test/img/10_darius kawasaki person/,8 张 512x512 图可照搬
- 目录规范详见 docs/image_folder_structure.md
配置
- 打开 LoRA 标签,先载入预设 presets/lora/SDXL - LoRA AI_characters standard v1.0.json,几十项参数一次填好
- 数据集目录指向你的图片文件夹;SDXL 默认 1024 分辨率,显存紧张就降到 768
- 输出模型名如
test_lora;训练轮数先设 10~20,宁少勿多
产出
点击 Start Training 后,控制台滚动 step 进度,输出目录按周期保存.safetensors文件。取末期文件导入 ComfyUI 或 WebUI,用触发词(class token,训练时给目标起的代号)出图,确认风格已被学会即算完成。
🔧 进阶技巧:让 kohya_ss 训练更稳
基础流程跑通后,下面三条分别解决调参没底、标注费时、过拟合看不见的问题。
- 只改预设中的 1~2 个参数:适用条件——首次训练;预期效果——参数组合经过社区验证,出图稳定
- 自动标注:图片超过 20 张时,用 tools/caption.py 批量生成描述文件,替代手写 txt
- 训练中出样图:显存 12GB 以上时开启 sample images,每隔若干步生成一张参考图,提前发现学偏
🩹 出问题怎么办:3个高频故障排查
启动或训练卡住时,按"现象→原因→处理"对照排查。
浏览器打不开 7860 端口现象:终端已运行但页面一直空白。原因:依赖仍在安装,或端口被占用。处理:等终端日志走完安装流程;仍失败就加参数--server_port 7861换端口。
训练中途报 OOM 显存溢出现象:跑若干步后进程崩溃退出。原因:SDXL 在 1024 分辨率下显存需求高。处理:分辨率降到 768、batch 设为 1,并开启 8bit Adam 省显存。
生成图与目标风格无关现象:出图接近基座模型默认风格。原因:epochs 过大,模型过拟合后丢掉细节。处理:减少训练轮数与图片重复次数,改用训练中期保存的 checkpoint。
下一步动作:① 照test/img的示例结构跑完第一次训练;② 对比 presets/lora/ 下任意两个预设的参数差异;③ 把生成的.safetensors导入出图工具,确认触发词生效。
【免费下载链接】kohya_ss项目地址: https://gitcode.com/GitHub_Trending/ko/kohya_ss
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考