kohya_ss LoRA 训练完整指南从零安装到练出第一个角色模型【免费下载链接】kohya_ss项目地址: https://gitcode.com/GitHub_Trending/ko/kohya_sskohya_ss 解决一件事不碰命令行也能给 Stable Diffusion 训练自己的 LoRA 和自定义模型。如果你一直想训练某个角色或画风却被 CLI 参数劝退它把参数全部做成了浏览器里的勾选框。读完这篇你能在 10 分钟装好环境、跑通第一次角色 LoRA拿到可直接加载的 .safetensors 文件。 最短路径从 clone 到第一次训练 10 分钟本节只写跑通一次必需的内容全部配置细节见 README.md。系统推荐安装方式启动脚本Windowsuvgui-uv.batLinuxuvgui-uv.shmacOSpipgui.sh安装前备齐三样PythonWindows 装 3.11.9Linux 用 3.10.9 及以上、低于 3.13、NVIDIA CUDA Toolkit 12.8、一张 NVIDIA 显卡。逐项版本要求见 docs/Installation/uv_windows.md。git clone --recursive https://gitcode.com/GitHub_Trending/ko/kohya_ss在仓库根目录运行gui-uv.bat或gui-uv.sh首次运行会自动装 uv 和依赖浏览器打开127.0.0.1:7860。不想每次手选目录可以把根目录的config example.toml复制为config.toml填好模型目录和输出目录GUI 会自动记住。第一次成果打开LoRA页签选基础模型把数据集指向图片文件夹设好最大分辨率和 rank点训练。几分钟后输出目录里出现 .safetensors就是你的第一个模型。 真实场景三个练得动的任务这节给三个最常见任务每个都是问题 → 做法 → 注意点三拍照做即可。用 20~30 张角色照片练一个角色 LoRA绘画程序不认识你原创的角色提示词怎么写脸都不出来。把 20~30 张同一角色的照片放进同一个文件夹512x512 以上每张图配一个同名.txt文件写角色标识词 场景描述LoRA 页签设好基础模型、最大分辨率、rank从 16 开始配置一条 sample prompt训练中每 500 步看一次样图训练结束把 .safetensors 拖进绘画程序用标识词试画kohya_ss 训练数据样例仓库自带数据集文件夹里的人物样图旁边是同名标注文件 效果是角色五官能从标识词稳定出图。注意标注文件优先于文件夹名别只靠文件夹名想让角色更独立加一组正则化图片防语言漂移。给 SDXL 底模练 LoRASDXL 底模更大直接抄 SD1.5 的参数结果发飘不收敛。Max resolution 至少设 1024x1024用显存 12GB 以上的显卡8GB 明显吃力优化器换adafactor学习率 4e-7调度constant_with_warmupwarmup 100 步效果仍不对时加--network_train_unet_only只训 U-NetSDXL 训练慢、显存吃结果发糊先查学习率标准值 4e-7 见 docs/LoRA/top_level.md。租云卡远程训练浏览器盯着家里显存不够或者想在云卡上挂着跑、自己只在浏览器看进度。在 Runpod / Colab 上克隆仓库参考 docs/installation_runpod.md启动时带上--headless --listen 0.0.0.0 --server_port 7860浏览器打开 GUI操作和本地完全一样headless 下文件选择器会隐藏路径直接手输提示远程 SSH 场景务必加--headless。否则是否覆盖已存在的模型确认框会弹在服务器端没人按训练就一直卡在那里。⚡ 踩坑与提速四个高频错误对照这节整理四个最常撞上的错误和修法再附一张 LoRA 网络类型对照表。现象错误做法正确做法报No module named tkinter单独补装 tkinter 库重装带 tkinter 组件的对应版本 PythonWindows 训练报 page file 错误怀疑模型文件坏了调大 Windows 分页文件大小限制远程训练卡住不动怀疑网络慢启动参数加--headlessSDXL LoRA 出图崩坏沿用 SD1.5 的学习率adafactor4e-7constant_with_warmupLoRA 四种网络类型怎么选完整解释在 docs/LoRA/options.md类型差异何时用standard单 rank 学习默认从这里开始DyLoRA同时学指定 rank 以下的多个 rank不确定最优 rank 时LoHa更省的小网络小 rank 下想榨更多效果LoCon额外学到 U-Net 的 Res block想学更细的结构特征 原理一瞥5 步看懂它在背后干什么不用背原理知道流程以后排错快得多。你在 GUI 填参数表单代码在 kohya_gui/系统自动生成train_network.py等脚本的命令行读入数据集图片和标注文件夹按分辨率分桶并缓存用 PyTorch Accelerate 只训 LoRA 小网络期间周期性出样图.safetensors、日志和样图写入输出目录LoRA 的本质原模型一个字节都不动只训练一个独立的小网络文件——所以产物体积小、到处好分发。 延伸训练完怎么接进你的出图工作流这节只列仓库里真实存在的入口把训练 → 出图接起来。入口位置能做什么出图端加载输出目录的 .safetensors直接拖进支持 LoRA 的绘画程序与底模叠加使用数据预处理tools/caption.py、tools/group_images.py批量生成标注、按尺寸分组图片参数预设presets/lora/挑好adafactor.json这类现成参数组合再微调过程监控GUI 的 TensorBoard 页签训练时看 loss 曲线是否收敛明天就能做挑 20~30 张同风格角色照片放进一个文件夹每张写好标注。先在 LoRA 页签只跑 500 步样图里角色脸认得出来再跑完整训练。出来的 .safetensors 拖进你的绘画程序就能用。【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