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 D:/competition/AIGC方向/第三次模型图/data \\ # 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
我把路径改成我自己的了,但剩下真的搞得头晕眼花 ,就先这样交吧,不要给我0分,我很努力了 o(╥﹏╥)o