kohya_ss 训练结果对比看曲线就能判断两版 LoRA 谁更值得留【免费下载链接】kohya_ss项目地址: https://gitcode.com/GitHub_Trending/ko/kohya_ss你多半遇到过这种情况同一批图用 1e-4 和 5e-5 两个学习率各跑了一遍 kohya_ss训练都完成了文件夹里躺着两堆 checkpoint却不知道哪版更能打。其实 kohya_ss 训练结果对比不用靠感觉仓库内置的 TensorBoard 训练监控一个把训练日志画成网页图表的小工具会把每一步的损失值、学习率、样图都记录下来你只要学会读它们就行。下面按配日志 → 起监控 → 读曲线 → 下结论的实际顺序讲一遍。 先把日志目录定好两版训练才比得起来打开 GUI 的 Advanced 选项卡找到 Logging 下拉框可选 tensorboard、wandb 或 all这部分界面逻辑在 kohya_gui/class_advanced_training.py。旁边那个 Log tracker name 输入框值得认真填每次实验写个不一样的名字比如 lr1e4、lr5e5两次训练就会在默认日志目录./logs下各占一个子文件夹——这正是 TensorBoard 能把两条曲线叠在一张图上的前提。跳过这步两次的记录混在一块只能靠记忆猜哪条线是哪条。 让 TensorBoard 自动打开训练跑完后回到 GUI点 Start tensorboard约 5 秒后浏览器会自己打开 http://localhost:6006背后的逻辑在 kohya_gui/class_tensorboard.py。它会先确认日志目录非空再启动端口默认 6006被占用的话可以在启动 GUI 前用环境变量 TENSORBOARD_PORT 换一个。它监听的是 0.0.0.0所以同一局域网的别的机器也能打开这个地址。有个容易被当成 bug 的坑如果你压根没看到 Start tensorboard 按钮说明系统里没装 tensorboard 命令或 CPU 不支持 AVX 指令集此时界面上会换成一个 Open tensorboard 链接手动点开就行。损失曲线和学习率曲线怎么读进 TensorBoard 先看 Scalars 页。loss 整体往下走说明模型在学如果十几个 step 就掉到底、贴着 0 不动多半是过拟合即模型把训练集背下来了后面再多跑也只是在过学。learning rate 曲线在用了 warmup 时会先升后降这是调度器在正常工作别慌。另外可能还会看到 masked loss它只在画面掩码区域内计算损失适合只练局部风格或脸的场景新手盯普通 loss 就够了。把两版模型真正放到一起比在 TensorBoard 左上角同时勾上两个实验名两条损失曲线就会自动叠加同一步数下谁的曲线更低更平滑谁的状态更稳。第二步看 Images 页训练脚本会按间隔生成样图写进日志目录用同一个 prompt、同一个种子分别看 step 500、1000、2000 的图——早期模糊、中期刚出感觉、后期开始出现怪异纹理时中间那段就是你该保存的 checkpoint 区间。仓库自带的测试集可以直接拿来做首次演示比如 masked_loss 目录下的这张样本曲线不对劲时怎么办几个常见症状loss 上蹿下跳先怀疑学习率偏高或 batch 太小验证损失往上走而训练损失还在降是过拟合信号加几张正则化图或提前停曲线平得一动不动先确认这次实验真的在写日志而不是指错了目录。还有种情况是打开 TensorBoard 只看到旧实验、没有新线——通常是日志目录没指对或 tracker name 和这次实验对不上。眼下就能做两件事下次训练前先把 Log tracker name 填了让日志分家保存跑完花三分钟把 Images 页不同步数的样图扫一遍。两三次之后你会发现该留哪个 checkpoint 根本不用猜。【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