3 小时拿到自己的风格模型kohya_ss LoRA 训练完整指南【免费下载链接】kohya_ss项目地址: https://gitcode.com/GitHub_Trending/ko/kohya_sskohya_ss 是一个基于 Gradio 的可视化训练工具把 Kohya 的 Stable Diffusion 训练脚本封装成图形界面你在页面上选模型路径、填参数它自动生成对应的训练命令行并执行支持 LoRA、DreamBooth、文本反转等训练方式。适合懂命令行但不想背几十个训练参数的人——想给某个风格或角色训一个 LoRA这是目前最省事的路线之一。四十分钟的报错最后卡在哪了上周有个朋友跟我说他盯着终端里的红字报错盯了四十分钟分不清是依赖没装对还是参数打错了后来换到 kohya_ss 上按页面提示点了几下就跑通了。SD 训练的大部分门槛其实不在理论而在环境和参数录入上把这两件事搬进界面里难度就砍掉一半。 先看边界能训什么、各要什么条件界面里每个训练页对应一类训练方法用一张表把能力边界说清楚典型场景输入要求产出物显存底线上手时长LoRA风格/概念微调20–50 张图 描述几 MB 到几十 MB 权重SD1.5 约 6GBSDXL 约 12GB约半小时DreamBooth特定角色角色图 正则化图几个 GB 的完整模型8GB2–8 小时文本反转图像集几十 KB 嵌入文件4GB10–30 分钟LECO概念编辑图像集 待擦除概念概念编辑后的模型6GB1–3 小时它支持的基模型范围很宽SD 1.5/2.x、SDXL、SD3、Flux.1、Lumina Image 2.0、Anima、HunyuanImage-2.1。你的基础模型在这张单子里就能在对应页面里把训练参数拼出来。 第一条 LoRA四步从图片到模型第一步装好环境在浏览器里看到训练页先克隆项目并进入目录git clone https://gitcode.com/GitHub_Trending/ko/kohya_ss cd kohya_ss然后按系统跑安装脚本Windows 依次执行 setup.bat 和 gui.batLinux/macOS 依次执行 ./setup.sh 和 ./gui.sh。浏览器打开后出现 LoRA、DreamBooth、Finetune 这些页签说明环境好了——看到这一页就算跑通卡在这一步很正常多半是 Python 版本不是 3.10。第二步把训练数据整理好配好描述文件数据集最标准的结构是图片 同名 .txt。仓库里就有现成例子test/img/10_darius kawasaki person/目录下一批图片每张旁边一个 .txt里面一行描述文字。组织自己的数据时分辨率、批大小、重复次数这些字段可以参考 test/config/dataset.toml 的配置写法。描述怎么写有讲究写清风格、主体、场景比一句一张图片有用得多。第三步填四个关键参数点下开始LoRA 页参数很多第一次只盯四个源模型路径、训练数据集目录、网络维度dim/alpha、学习率。拿不准就直接从 预设配置目录 里挑一份 SDXL 或 SD1.5 的预设载入省掉调参时间。点开始训练后终端会打出一条完整命令行并自动执行损失值开始滚动就说明跑起来了。第四步确认第一张样本图和模型文件训练中可以配置提示词文件让它周期性生成样本图风格变化肉眼可见。结束后检查输出目录两样东西有没有 .safetensors 模型文件损失是不是稳定下降。这两样都齐LoRA 就能拿到绘图软件里实测了。 跑通之后的三种深玩法模型只记得一张脸泛化怎么救你遇到的问题生成图和训练集长得太像换个姿势都是同一张脸。背后的思路过拟合就是模型在背原图思路是减少记忆量、增加泛化量。具体操作把 num_repeats 调小训练步数缩短、多存几个中间检查点取效果最好的那版做 DreamBooth 时一定填上正则化图像目录让模型看一些同类型但不是目标角色的图。预期效果图里还能认出来这个风格但主体和场景可以自由变化。只想学局部区域怎么让背景别掺和你遇到的问题想训的是角色面部结果训练图里的背景也被学进去了。背后的思路掩码损失让模型只在掩码的白色区域计算误差黑色区域直接忽略。具体操作给每张训练图准备一张同尺寸黑白掩码白色是需要学习的区域test/masked_loss/ 目录里有全套示例照它的画法来就行。预期效果模型只学面部与服装特征背景在出图时随便换不会被训练图污染。SDXL 训练总爆显存从哪下手你遇到的问题SDXL 训 LoRA跑几十步就崩显存打满。背后的思路SDXL 有双文本编码器整条链路占显存比 SD1.5 高一大截。具体操作开启 --network_train_unet_only 只训 U-Net优化器换 adamW8bit批大小降到 1 再靠梯度累积补步数。这些建议都写在 docs/LoRA/top_level.md 里12GB 是它的显存底线。预期效果训练完整跑完显存占用明显下降。⚠️ 高频坑自排查清单现象一CUDA out of memory训练中途崩掉批大小降到 1打开梯度检查点调低最大分辨率优化器换成 adamW8bit根因训练链路的基础显存占用加上文本编码器缓存两项相加超过卡上限按清单顺序逐项排查即可。现象二SSH 远程训练进程卡住不动启动参数加 --headless配合 --listen 0.0.0.0 --server_port 7860确认界面上没有出现本地文件选择弹窗根因GUI 的原生对话框跑在服务器进程里远程无显示环境时弹窗永远等不到响应进程看起来像死机。现象三LoRA 训完装上没效果生成提示词里加上 class_tokens 对应的触发词LoRA 权重先用 1.0 试确认出图用的基础模型和训练时一致根因多数时候不是模型没训好是触发词没用模型不知道什么时候该激活这个 LoRA。现象四启动就报 No module called tkinter重装 Python 3.10 后重新执行安装脚本根因GUI 的部分交互依赖 tkinter系统 Python 版本与项目要求对不上。 资料去哪找文档各平台安装指南、LoRA 参数详解、完整训练流程工具脚本tools/ 里有批量打标 caption.py、图像分组 group_images.py、LoRA 分析 analyse_loha.pypython 直接跑示例与测试集examples/ 是各阶段训练和打标脚本test/ 有现成小数据集与配置样例社区项目由社区共同维护问题排查和功能讨论都发生在仓库 Issues 区提问前先搜一下同款问题跑通第一个 LoRA 只是开始后面真正的难度全在怎么让它学明白。建议先用 SD1.5 做个简单 LoRA确认样本图和模型文件都正常产出再上 SDXL 和 DreamBooth——路不会走偏。【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