Stable Diffusion训练Lora模型

以下内容参考:https://www.bilibili.com/video/BV1Qk4y1E7nv/?spm_id_from=333.337.search-card.all.click&vd_source=3969f30b089463e19db0cc5e8fe4583a

1、训练Lora的2个重点步骤

第一步，准备训练要使用的图片，即优质的图片

第二部，为这些图片打标，即精准的tag

2、图片要求

数量建议20-50张，最多100张图片

不好的图片：模糊的，动作扭曲的，脸部被遮挡的，背景比较复杂的图（扣掉背景）

分辨率：如果以sd2作为基础模型，需要768*768以上

批量调整图片尺寸：https://www.birme.net/?target_width=512&target_height=512

批量调整图片格式：https://www.wdku.net/image/imageformat

3、图片打标

需要安装两个插件：Tagger 以及 dataset tag editor(地址：https://github.com/toshiaki1729/stable-diffusion-webui-dataset-tag-editor)

（1）Tagger插件

图片生成tag信息的txt文件，通常输入目录和输出目录一致。

（2）Dataset Tag Editor

对tag进行处理

1）删除重复的单词，Remove duplicate tags

2）删除属于人物特征的tag，比如人物的眼睛、眉毛、鼻子、头发长度等代表人物本身的属性。凡是绑定在人物身上的，就要把它们删除。（因为后续我们需要根据lora名称直接生成这些特征，所以需要模型根据lora名称直接学到这些特征，而不需要再提供其他提示词）

以下内容参考: https://www.jianshu.com/p/e8cb3ba45b1a

4、训练

安装训练图形化工具kohya，日本人写的。

（1）下载

工程地址：https://github.com/bmaltais/kohya_ss

下载后在服务器的位置：/data/work/xiehao/kohya_ss

（2）安装工程依赖包

进入该目录，安装依赖包：pip install -r requirements.txt

（3）生成执行的配置文件

执行accelerate config命令，我的配置如下：

（4）启动训练图形化界面

执行命令：python kohya_gui.py --listen 0.0.0.0 --server_port 12348 --inbrowser

5、实战

（1）从百度下载了25张zhangluyi的图片

（2）图片裁剪为768*768

https://www.birme.net/?target_width=768&target_height=768

（3）图片都转为jpt格式

https://www.wdku.net/image/imageformat

（4）使用Tag插件提取tag

批量提取的方式

执行后在linux上生成了相应的txt文件

（5）通过Dataset Tag Editor处理标签

首先，移除重复项以及人物特征提示词

然后，保存这次修改。

（6）在SD的训练模块对训练集的文件名进行处理

生成的文件信息如下：

这些文件需要放在10_zly的目录下。目录名前面数字_字母，前面的数字是每次训练过程中网络训练单张图片的次数，这个目录命名很重要，定位这个bug花了我一个小时。

（7）在kohya中进行训练

完成数据集准备之后，就可以在kohya进行训练了。

首先，配置基座模型信息。

Pretrained model name or path指定的linux位置对应的模型，需要包含model_index.json、tokenizer目录等信息，不能只有一个safetensors文件。可以通过git lfs clone下载https://huggingface.co/digiplay/majicMIX_realistic_v4（18G）。

这个关键点很重要，定位加下载处理花了我几个小时。