“DataWhale X 魔搭AI夏令营”Task3：进阶上分-实战优化

工具初探一ComfyUI应用场景探索

• 20分钟速通安装ComfyUI

• 下载脚本代码文件

• 下载安装ComfyUI的执行文件和task1中微调完成Lora文件 

• 进入ComfyUI的安装文件

• 进入预览界面

当执行到最后一个节点的内容输出了一个访问的链接的时候，复制链接到浏览器中访问

PS：如果链接访问白屏，或者报错，就等一会再访问重试，程序可能没有正常启动完毕

• 浅尝ComfyUI工作流

• 不带Lora的工作流样例

Step1：下载工作流脚

失败：没加载过来工作流脚本

   

• Task2中的的微调代码

• import os
  cmd = """
  python DiffSynth-Studio/examples/train/kolors/train_kolors_lora.py \ # 选择使用可图的Lora训练脚本DiffSynth-Studio/examples/train/kolors/train_kolors_lora.py
    --pretrained_unet_path models/kolors/Kolors/unet/diffusion_pytorch_model.safetensors \ # 选择unet模型
    --pretrained_text_encoder_path models/kolors/Kolors/text_encoder \ # 选择text_encoder
    --pretrained_fp16_vae_path models/sdxl-vae-fp16-fix/diffusion_pytorch_model.safetensors \ # 选择vae模型
    --lora_rank 16 \ # lora_rank 16 表示在权衡模型表达能力和训练效率时，选择了使用 16 作为秩，适合在不显著降低模型性能的前提下，通过 LoRA 减少计算和内存的需求
    --lora_alpha 4.0 \ # 设置 LoRA 的 alpha 值，影响调整的强度
    --dataset_path data/lora_dataset_processed \ # 指定数据集路径，用于训练模型
    --output_path ./models \ # 指定输出路径，用于保存模型
    --max_epochs 1 \ # 设置最大训练轮数为 1
    --center_crop \ # 启用中心裁剪，这通常用于图像预处理
    --use_gradient_checkpointing \ # 启用梯度检查点技术，以节省内存
    --precision "16-mixed" # 指定训练时的精度为混合 16 位精度（half precision），这可以加速训练并减少显存使用
  """.strip()
  os.system(cmd) # 执行可图Lora训练