Stable Diffusion WebUI训练Lora测试XYZ显示例图

最新推荐文章于 2025-02-20 15:00:00 发布
最新推荐文章于 2025-02-20 15:00:00 发布
阅读量1.6k 收藏
点赞数
分类专栏： Stable Diffusion WebUI 文章标签： stable diffusion Lora训练
本文为博主原创文章，未经博主允许禁止转载。如有问题，欢迎指正。
本文链接：https://blog.csdn.net/weixin_41529012/article/details/134811175
版权
这篇博客介绍了如何通过Stable Diffusion WebUI的两种方式来训练Lora模型并生成图像。在方式一中，用户需要选择模型，设置X轴和Y轴的参数，然后在prompt中输入Lora格式。在方式二中，选择模型的步骤略有不同，但同样涉及X轴和Y轴的设置，以及Lora格式的输入。最后，点击生成按钮以完成图像的创建。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

方式一

1.1 选择模型放入目录

将模型放入sd项目的models\Lora\目录，尽量保持和其他模型分开。

sd中显示如下：

1.2 脚本X/Y/Zplot选择

X轴类型：提示词搜索/替换

X轴值：NUM,000001,000002, 000003, 000004, 000005, 000006, 000007, 000008, 000009, 000010

Y轴类型：提示词搜索/替换

Y轴值：STRENGTH, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0

1.3 prompt中填入Lora格式：

了解本专栏 订阅专栏 解锁全文 超级会员免费看
【Stable Diffusion】适合Stable Diffusion入门小白的使用技巧分享（提示词模版、参数设置、模型、Embeddings和Lora，扩展插件的安装、ControlNet等）
AnChenliang_1002的博客
02-25 292
本专栏主要记录人工智能的应用方面的内容，包括chatGPT、AI绘图等等；在当今AI的热潮下，不学习AI，就要被AI淘汰；所以欢迎小伙伴加入本专栏和我一起探索AI的应用，通过AI来帮助自己提升生产力；本文的目标是，争取用一篇文章，让小白也能掌握一些Stable Diffusion的使用技巧，包括提示词的使用，参数的设置，现成的提示词网站和模版，模型路径，模型类别，Embeddings和Lora到底是干什么的，扩展和插件如何安装等。
ComfyUI 基础教程（二）：文生图基础流程
细节控-AI先行者的博客
12-12 1969
分别将“模型”和“Checkpoint加载器的模型”连接，“正面提示词”和“正面提示词的条件”连接，“负面提示词”和“负面提示词的条件”连接。我们可能注意到，“Checkpoint加载器”还剩下一个“VAE”未连接，我们将它与另一个VAE连接起来。首先，右键点击新建节点，选择加载器。在这个过程中，节点的创建方式有两种：节点目录方式：通过鼠标右键呼出节点目录，你可以直接从目录中选择所需的节点。在生成图像的过程中，你可以看到当前进行到哪一步，哪一个节点会被显示为绿色的框，这非常方便我们熟悉工作流程。
Stable-DiffusionLoRA模型训练教程(新手篇)｜LoRA训练个人经验总结与复盘_lora训练页面文件太小,无法完成操作
月流霜的专栏
08-20 5020
在此之前，StableDiffusion只能通过使用Dreambooth的方法训练大模型，如果对大模型的效果不满意，那么就只能从头开始，重新训练，但是大模型的训练要求高，算力要求大，速度慢。每次训练的loss图都是独一无二的，loss曲线只是参考，重点要观察loss逐步降低的状态，loss越低，拟合度就会越高，过低也有可能会过拟合，需要找到合理值，可以通过loss值来选择几个训练好的lora模型进行xyz序列图测试，从而选择更好的Lora模型。下载完后，直接双击exe文件运行，就会出现此界面。
【保姆级教程】Linux上部署Stable Diffusion WebUI和LoRA训练，拥有你的专属图片生成模型
u010522887的专栏
05-03 1万+
本文详细介绍了如何在Linux系统上部署Stable Diffusion WebUI，首先介绍了Stable Diffusion和LoRA模型的基本概念，然后完成WebUI的下载、安装和配置。 在部署过程中，作者分享了解决常见问题的方法，文章的后半部分专注于LoRA模型的训练，包括准备训练数据集、修改训练脚本和启动训练过程。作者提供了详细的命令和步骤，以帮助读者训练自己的LoRA模型，并将其集成到Stable Diffusion WebUI中。
Stable-DiffusionLoRA模型训练教程
蓝天白云
01-05 2293
在训练LoRA模型之前，我们需要首先明确自己需要训练什么类型的LoRA，有的博主将模型分成了几个大类：人物角色、画风/风格、概念、服饰、物体/特定元素等。我只简单的划分为两类：具象类和泛化类，具象类如：一个物体、一种姿势、一种服装、一个人物、某个特定元素等都可以划归为具象类。泛化类如：某种场景、某种艺术风格、色彩风格等。前期明确目的的训练能更好的确定要找素材的数量及选择的大模型类型，为后面的具体训练打好基础。⚠️ 「大模型的选择」和「图片质量」都是收集素材的关键！
Stable Diffusion——LoRA模型的训练详解（4万字详细解读）
libaiup的博客
12-17 4323
Kohya_ss 是目前比较主流的产生 LoRA 的工具。Kohya_ss GUI 是一个独立于 Stable Diffusion WebUI 的开源的程序。它可以帮助训练 LoRA、Dreambooth 和 Textual inversion 模型。（Github地址：另一个方法是 Dreambooth扩展插件。
手把手教你用LoRA训练自己的Stable Diffusion模型
xian0710830114的专栏
05-20 9704
StableDiffusion大家已经很熟悉了，那么如何训练自己的sd模型呢，今天我就介绍一下用LoRA训练sd的方法。我们以Chilloutmix为例，Chilloutmix可以生成好看的小姐姐。为了实验LoRA的能力，我们用小哥哥的图片对它进行微调，看效果如何。
Stable Diffusion Lora模型训练详细教程
m0_59162248的博客
05-16 2145
Stable Diffusion Lora模型训练详细教程
【Stable Diffusion】大模型Lora触发词插件lora-prompt-tool
ice829的博客
12-02 1195
又是一个神器，小伙伴们搬好小板凳，准备好我要开始了。我们知道，在很多模型和lora使用的时候，是需要填写触发词的。比如这个盲盒lora，提示词就是“full body,chibi”，需要把这些触发词放到正向提示词里面才能达到想要的效果。举个例子，当我们只引用lora，而不填入触发词的时候是这样的。这份完整版的SD整合包已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费当我们填入特定的触发词之后，就达到了这个lora该有的效果。
Stable Diffusion如何Mac电脑本地部署教程
月流霜的专栏
05-29 1706
由于目前各种神经网络的算法对Mac的系统支持不是很友好，在 Mac 上出图的速度会显著低于 windows上的速度，不过好消息是 pytorch 等算法框架正在积极的改进对Mac系统的支持。以下已经是安装 Stable Diffusion 需要的最少的工具，其他教程中如果写到需要安装如 homebrew ，anaconda 等工具，这些都是用来安装“必要工具”的工具，如果你对命令行一无所知，这些只有增加出错的可能。现在WebUI虽然可以启动，但是左上角的模型列表是空的，我们还需要下载具体的模型来生成图片。
StableDiffusion学习笔记——6、XYZ图表
最新发布
阿赵的博客
02-20 553
继续来学习StableDiffusion的使用。之前学习过生成图片的参数。有时候我们想同时尝试多种不同的参数，来对比哪种产生的组合可以产生更好的效果。这时候，我们可以使用X/Y/Z图表的功能。
【SDXL_LORA模型训练详细教程（含云端教程）】
天风的人工智能博客
09-17 4495
之前写过一篇SD1.5 LORA模型的炼制方法，有的人想要我详细点说说秋叶启动器的lora训练器，SDXL建议使用秋叶的训练器，SD1.5赛博丹炉，个人习惯仅供参考！这次基于sdxl_lora模型的训练，顺便给大家详细的讲讲训练过程。
SD WebUI：Step、采样方法、CFG等全参数测试 及调参。高级必备实用脚本。
软件QA只用在它工作礼貌吗？
08-15 1300
你是不是经常看到教学博主放出这样的图？上面标记着一个参数，进行生图对比。这个图其实不是大家想的后期拼接成的。而是通过sd自带的脚本一次性生成。这是一个很重要的功能，一个好的模型又或者图片的生成是要经过一系列的测试和调参，才能达到最想要的效果。本章介绍，webui中的两个脚本，用以测试出图数据。SD的测试调参是很重要的，主要讲解了通过自带脚本测试的两种方式。
Stable Diffusion教程(8) - X/Y/Z 图表使用
程序员阿超的博客
08-03 2575
1. 介绍 这项功能可以在 文生图/图生图 界面的左下角种 “脚本” 一栏内选择 “X/Y/Z 图表” 以启用。 它创建具有不同参数的图像网格。使用 X 类型和 Y 类型字段选择应由行和列共享的参数，并将这些参数以逗号分隔输入 X 值 / Y 值字段。支持整数、浮点数和范围。 2. 对比不同采样方法示例 设置 结果 3. 对比不同迭代步数示例 设置 结果
【AI绘画Stable Diffusion】单人LoRA模型训练，打造你的专属模型，新手入门宝典请收藏！
A13531922962的博客
05-23 1415
感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程和软件工具，具体看这里。AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。
Stable Diffusion安装与常见错误（+Lora使用）2023年最新安装教程
热门推荐
cycyc123的博客
02-22 5万+
帮你快速搭建Stable Diffusion（2023年版本）
LoRa通讯测试
qq_44942565的博客
04-11 631
做个记录，避免忘了。
Stable Diffusion web UI之X/Y/Z plot使用
Lassi的博客
06-15 3185
PASSCFG Scale配置的越高，SD生成的图会更贴用户提供的prompt来进行生成，AI的自由度会下降，生成人物的时候特别需要注意，对于手脚脸部，过高的值更容易造成过拟合还有画面崩坏。
stable diffusion webui训练
02-18
### 使用 Stable Diffusion WebUI 进行模型训练 #### 安装环境准备 为了使用 Stable Diffusion WebUI 来训练自定义模型，首先需要准备好运行环境。推荐在 Linux 系统上操作，因为其命令行工具更强大且易于配置[^1]。 对于 Windows 用户而言，虽然可以直接采用 B 站 @秋葉aaaki 提供的启动器简化安装流程，但在灵活性方面不如 Linux 平台。因此，在此仅讨论 Linux 上的具体步骤。 #### 获取最新版本WebUI 前往 GitHub 或官方指定页面下载最新的 Stable Diffusion WebUI 版本并解压到目标文件夹内。确保该位置有足够的磁盘空间来存储数据集以及后续产生的大量中间文件和最终输出的结果。 ```bash git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git cd stable-diffusion-webui/ ``` #### 准备训练所需资源 收集用于训练的数据集，并将其整理成适合喂给算法的形式——通常是一系列标记过的图像样本集合。同时也要获取预训练的基础权重文件作为起点，这有助于加速收敛过程并提高生成质量。 #### 启动 WebUI 接口服务 执行如下指令开启图形化界面的服务端： ```bash ./webui.sh ``` 此时应该能够在浏览器中打开 `http://localhost:7860` 地址看到应用程序首页了[^2]。 #### 配置训练参数选项 进入“Train”标签页调整各项超参设定，比如批次大小(batch size)、学习率(learning rate)等关键因素都会影响到最后的效果好坏。这里还可以选择不同的优化策略(optimizer)，如 AdamW, SGD 等。 另外值得注意的是，如果打算做特定领域内的迁移学习，则可能还需要额外加载对应的类别映射表(class mapping table)以便更好地适配新任务需求。 #### 开始训练进程 确认无误之后点击按钮提交作业即可让机器自动完成整个迭代更新周期直至满足停止条件为止。期间可以通过实时监控图表观察损失函数变化趋势从而判断当前状态是否正常稳定发展下去。 #### 导出成果物 当达到预期性能指标后就可以终止计算并将得到的新版网络结构保存下来以备将来重复利用或者分享出去让更多人受益于这项工作成果之上。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

星辰同学wwq

你的鼓励是我最大的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值