kohya_ss 零代码 LoRA 训练3 步上手第一个模型【免费下载链接】kohya_ss项目地址: https://gitcode.com/GitHub_Trending/ko/kohya_ss如果你正想训一个 LoRA低秩微调——不训练整个大模型只训一个挂在基模上的小网络能生成某个角色或某种画风但面对学习率、网络维度、alpha 这一串参数就想放弃那 kohya_ss 就是你要找的入口。它把 Kohya 的 Stable Diffusion 训练脚本包成了一个浏览器里的图形界面你填表单它负责生成并执行训练命令。是什么kohya_ss 一个界面管 LoRA 训练给不想碰命令行的人用。选一个基座模型SD1.5、SDXL、SD3、Flux.1 都行学习率、步数、网络维度这些参数用鼠标填背后它自动拼命令行、拉起训练还定期出样本图给你看效果。LoRA、DreamBooth全量微调、Textual Inversion给自定义词造嵌入都支持连 LECO 概念擦除训练也做了进去。三步跑通装、配数据、开跑安装一条 setup 脚本先把代码拿下来git clone https://gitcode.com/GitHub_Trending/ko/kohya_ss。Linux/macOS 进目录跑./setup.shWindows 双击setup.bat。脚本会自动建 Python 虚拟环境、装依赖不用你手动配环境。数据20 张图加 txt 描述一个文件夹放图每张图旁边放同名 .txt内容就是这张图的描述词提示词。20 到 50 张够用分辨率 512 到 1024 之间都可以。仓库test/img目录里有一套现成样例图每张都带 caption第一次练手直接拿它跑。跑起来gui.sh 打开就点开始运行./gui.shWindows 是gui.bat浏览器会自动弹出界面。切到 LoRA 标签页选基座模型填数据集路径、网络维度 dim、alpha、学习率点开始。训练日志和样本图都在浏览器里看得到。三个细节让训练变得可用预设不用从零调参能做什么一键载入别人验证过的参数组合。怎么用presets/lora/ 里按基座模型和优化器分好了 JSON 文件adafactor、prodigy 这些常见配置都有界面预设列表里选一下参数全帮你填好。适合谁不知道学习率该填多少的初学者。掩码损失只训你想训的区域能做什么放一张掩码图白色区域生效、黑色忽略损失只算在角色身上背景带不偏方向。怎么用掩码图与训练图同名同尺寸放一起在数据集选项里开启test/masked_loss/ 目录里就有一组示例掩码。适合谁只想学人物、不想学背景的。样本图训练没结束就能看结果能做什么训练中自动生成几张测试图中途就能看出是不是过拟合不用等到结束再后悔。怎么用LoRA 标签页里打开样本图生成设个间隔就行。适合谁不想凭感觉猜模型训好没有的。你可能遇到的 5 件事gui.sh提示 venv 不存在只克隆了仓库还没装环境先跑 setup.shvenv 是安装的产物。Linux 报缺 tkinterDebian/Ubuntu 装python3-tk包即可GUI 依赖它。Windows 报内存不足把系统页面文件调大一点或者减小 batch、开 8bit 优化器省显存。SDXL 训练不收敛学习率照抄 SD1.5 的SDXL LoRA 的学习率一般在 4e-7 量级比 SD1.5 低不少。docs/LoRA/top_level.md 里有标准配置和--network_train_unet_only这类建议训 SDXL 前值得看一眼。图没配 .txt 或 txt 是空的等于没有提示词训出来图不认识你的主题。先用 GUI 里的标注页WD14、BLIP 等批量生成描述或用 tools/caption.py 给整个文件夹统一补说明。跑完之后继续看的文档和工具参数详解在 docs/LoRA/options.mdLoRA 相关选项基本都写在里面。examples目录有LoRA based finetuning 2 phase.ps1这样的两阶段训练示例脚本——先训个大 LoRA再基于它精调。V100 显存利用率低之类的硬件问题看 docs/troubleshooting_tesla_v100.md。数据集要拆分、补 captiontools目录里的 group_images.py 和 create_txt_from_images.py 都能干。这个 GUI 底下跑的是 Kohya 的 sd-scripts 命令行训练脚本想深挖某个参数的行为可以直接去看那个项目。训出来的 .safetensors 丢进 ComfyUI 或 WebUI 就能生成是自然的下一步。先把一个 LoRA 完整训完一遍比再看十篇教程都管用。【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 kohya_ss 零代码 LoRA 训练：3 步上手第一个模型
kohya_ss 零代码 LoRA 训练3 步上手第一个模型【免费下载链接】kohya_ss项目地址: https://gitcode.com/GitHub_Trending/ko/kohya_ss如果你正想训一个 LoRA低秩微调——不训练整个大模型只训一个挂在基模上的小网络能生成某个角色或某种画风但面对学习率、网络维度、alpha 这一串参数就想放弃那 kohya_ss 就是你要找的入口。它把 Kohya 的 Stable Diffusion 训练脚本包成了一个浏览器里的图形界面你填表单它负责生成并执行训练命令。是什么kohya_ss 一个界面管 LoRA 训练给不想碰命令行的人用。选一个基座模型SD1.5、SDXL、SD3、Flux.1 都行学习率、步数、网络维度这些参数用鼠标填背后它自动拼命令行、拉起训练还定期出样本图给你看效果。LoRA、DreamBooth全量微调、Textual Inversion给自定义词造嵌入都支持连 LECO 概念擦除训练也做了进去。三步跑通装、配数据、开跑安装一条 setup 脚本先把代码拿下来git clone https://gitcode.com/GitHub_Trending/ko/kohya_ss。Linux/macOS 进目录跑./setup.shWindows 双击setup.bat。脚本会自动建 Python 虚拟环境、装依赖不用你手动配环境。数据20 张图加 txt 描述一个文件夹放图每张图旁边放同名 .txt内容就是这张图的描述词提示词。20 到 50 张够用分辨率 512 到 1024 之间都可以。仓库test/img目录里有一套现成样例图每张都带 caption第一次练手直接拿它跑。跑起来gui.sh 打开就点开始运行./gui.shWindows 是gui.bat浏览器会自动弹出界面。切到 LoRA 标签页选基座模型填数据集路径、网络维度 dim、alpha、学习率点开始。训练日志和样本图都在浏览器里看得到。三个细节让训练变得可用预设不用从零调参能做什么一键载入别人验证过的参数组合。怎么用presets/lora/ 里按基座模型和优化器分好了 JSON 文件adafactor、prodigy 这些常见配置都有界面预设列表里选一下参数全帮你填好。适合谁不知道学习率该填多少的初学者。掩码损失只训你想训的区域能做什么放一张掩码图白色区域生效、黑色忽略损失只算在角色身上背景带不偏方向。怎么用掩码图与训练图同名同尺寸放一起在数据集选项里开启test/masked_loss/ 目录里就有一组示例掩码。适合谁只想学人物、不想学背景的。样本图训练没结束就能看结果能做什么训练中自动生成几张测试图中途就能看出是不是过拟合不用等到结束再后悔。怎么用LoRA 标签页里打开样本图生成设个间隔就行。适合谁不想凭感觉猜模型训好没有的。你可能遇到的 5 件事gui.sh提示 venv 不存在只克隆了仓库还没装环境先跑 setup.shvenv 是安装的产物。Linux 报缺 tkinterDebian/Ubuntu 装python3-tk包即可GUI 依赖它。Windows 报内存不足把系统页面文件调大一点或者减小 batch、开 8bit 优化器省显存。SDXL 训练不收敛学习率照抄 SD1.5 的SDXL LoRA 的学习率一般在 4e-7 量级比 SD1.5 低不少。docs/LoRA/top_level.md 里有标准配置和--network_train_unet_only这类建议训 SDXL 前值得看一眼。图没配 .txt 或 txt 是空的等于没有提示词训出来图不认识你的主题。先用 GUI 里的标注页WD14、BLIP 等批量生成描述或用 tools/caption.py 给整个文件夹统一补说明。跑完之后继续看的文档和工具参数详解在 docs/LoRA/options.mdLoRA 相关选项基本都写在里面。examples目录有LoRA based finetuning 2 phase.ps1这样的两阶段训练示例脚本——先训个大 LoRA再基于它精调。V100 显存利用率低之类的硬件问题看 docs/troubleshooting_tesla_v100.md。数据集要拆分、补 captiontools目录里的 group_images.py 和 create_txt_from_images.py 都能干。这个 GUI 底下跑的是 Kohya 的 sd-scripts 命令行训练脚本想深挖某个参数的行为可以直接去看那个项目。训出来的 .safetensors 丢进 ComfyUI 或 WebUI 就能生成是自然的下一步。先把一个 LoRA 完整训完一遍比再看十篇教程都管用。【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