kohya_ss环境部署及训练

荼靡~

已于 2023-10-27 14:00:26 修改

阅读量3.9k

点赞数 2

分类专栏：模型部署测试文章标签： python 模型训练深度学习 lora sdxl

于 2023-10-27 13:50:15 首次发布

本文链接：https://blog.csdn.net/m0_46926492/article/details/134072251

版权

模型部署测试专栏收录该内容

6 篇文章

订阅专栏

本文详细描述了如何在Kohya_ss环境中部署，包括创建虚拟环境、安装依赖、运行程序，以及针对LORA和SDXL模型的训练过程，涉及数据集格式、超参数调整和微调底模。同时，文中记录了遇到的两个报错及其解决方案。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. 环境部署

创建虚拟环境

conda create -n env_kohya_ss python==3.10.0

进入虚拟环境
```
conda activate env_kohya_ss
```

clone源码

git clone https://github.com/bmaltais/kohya_ss.git

进入项目根目录
```
cd kohya_ss
```

安装相关库

# 根据环境选择
pip install -r requirements_linux.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip install -r requirements_windows_torch2.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/

2.运行程序

./gui.sh  --listen 127.0.0.1 --server_port 7860 --inbrowser --share

3.训练模型参数

根据自己的数据，在有底模的情况下，训练微调模型参数，更好的达到效果

3.1 创建输出文件夹

在根目录创建output/train文件夹
进入output/train文件夹
创建输出相关文件夹models,logs

3.2 数据集格式

数据集格式：一张图片对应一个文本且名称相同

数据集存放路径dataset/100_dataset

kohya_ss/dataset
kohya_ss/dataset/100_dataset  # 100_dataset数据集文件夹，100_表示训练的批次

3.3 lora模型微调

3.3.1 数据及相关路径

input image folder:训练数据集路径为父级路径
```
kohya_ss/dataset
```

output file path

# output_models: 输出训练底模路径
kohya_ss/output/train/models
# output_logs:输出训练日志路径
kohya_ss/output/train/logs	
# prompt :good，得到的底模名称

在这里插入图片描述

3.3.2 修改超参数

根据自己的需求修改
- Presets,LoRA type 需选择与lora相关的

3.3.3 选择微调的底模

根据那个底模进行数据集微调：
-底模下载链接： https://civitai.com/models
```
kohya_ss/models/2dn_2.safetensors
```

在这里插入图片描述

3.4 sdxl模型微调

3.4.1 数据及相关路径

input image folder:训练数据集路径为父级路径
```
kohya_ss/dataset
```

output file path

# output_models: 输出训练底模路径
kohya_ss/output/train/models
# output_logs:输出训练日志路径
kohya_ss/output/train/logs	
# prompt :good，得到的底模名称

在这里插入图片描述

3.4.2 修改超参数

根据自己的需求修改
- Presets,LoRA type 需选择与sdxl相关的

3.4.3 选择微调的底模

需要选择SDXL Model

4. 报错信息

4.1 报错1

ImportError: cannot import name 'StableDiffusionXLPipeline' from 'diffusers'
- 解决diffusers0.16.1版本改为0.18.2
```
pip uninstall diffusers
pip uninstall diffusers==0.18.2
```

4.2 报错2

StableDiffusionXLPipeline requires the invisible-watermark library but it was not found in your environment. You can install it with pip: pip install invisible-watermark>=2.0
解决
```
pip install invisible-watermark>=2.0
```