大概23年2月左右跑的流程可以参考。
Lora模型使用
sd-webui使用lora
ChilloutMix模型 地址
https://civitai.com/models/6424/chilloutmix
Lora模型 地址
https://civitai.com/models/7448/korean-doll-likeness
VAE地址
https://huggingface.co/stabilityai/sd-vae-ft-mse-original/tree/main
ChilloutMix模型是主题，Lora模型是换脸，vae是润色
ChilloutMix模型路径(底模型路径)
stable-diffusion-webui\models\Stable-diffusion
Lora模型
stable-diffusion-webui\models\Lora
VAE地址
stable-diffusion-webui\models\VAE
需要在sd设置里配置一下，然后保存加载
取消勾选
*下载lora模型的时候 查看一下具体使用信息
比如主模型，触发词等
*可以点击图片进入详细propmt信息界面复制数据，一键应用到webui文生图测试
或者点击图片右下方的感叹号复制数据
点击
show extra networks 可以看到所有lora模型
点击会自动生成触发词
*需要带<lora:>标签 和触发词
例
<lora:koreanDollLikeness_v10:0.7>
<lora:amberGenshinImpact_flexibleV1:1>
可以多个lora标签一起使用
sd-webui-Additional Networks插件
Lora插件安装 下载
地址
https://github.com/kohya-ss/sd-webui-additional-networks
安装目录
stable-diffusion-webui\extensions
目录结构
安装完毕后 应用重启
有Additional Networks 就安装成功了
使用web-ui的拓展安装
点击 加载自
默认源地址
https://raw.githubusercontent.com/wiki/AUTOMATIC1111/stable-diffusion-webui/Extensions-index.md
国内源地址 网络不好可以使用这个
https://gitee.com/akegarasu/sd-webui-extensions/raw/master/index.md
Ctrl+f 搜索 Additional Networks
点击安装 后 重启一下
*使用界面 勾选启动
lora模型文件夹
stable-diffusion-webui\extensions\sd-webui-additional-networks\models\lora
点击refresh models 刷新 可以多个lora混合使用
weight调整每个lora的占比 加起来<=1
Kohya's GUI安装（lora小模型训练）
环境安装
Python3.10
Git
Visual Studio 2015，2017,2019，2022 redistributabl 必要
Power shell
*管理员运行PowerShell输入命令 选择A
Set-ExecutionPolicy -ExecutionPolicy RemoteSigned
Get-ExecutionPolicy -List 查看策略是否添加成功
遇到警告
gpedit.msc打开策略
如果是已启动 可以修改成未配置，如果是未配置可以修改成已启动-允许所有脚本 再重新管理员运行一个powershell 输入命令
下载源码
kohya_ss地址
https://github.com/bmaltais/kohya_ss
目录结构
以下操作推荐使用PowerShell
进入一个目录（要更新源码的文件夹）右键 在终端中打开(没有这个选项可以shift+右键)
还是没有可以在地址栏输入powershell
输入命令
git clone https://github.com/bmaltais/kohya_ss
网络不好的可以先设置一下 再克隆源码
git config --global url."https://ghproxy.com/https://github.com".insteadOf "https://github.com"
输入命令
cd kohya_ss
执行命令 下载venv文件夹 两句代码可以一起复制 黏贴进powershell
python -m venv venv
.\venv\Scripts\activate
进入venv环境 后 前面带（venv）
进入venv环境后 再执行
pip install torch==1.12.1+cu116 torchvision==0.13.1+cu116 --extra-index-url https://download.pytorch.org/whl/cu116
也可以自己下载好本地安装
如果提示
升级一下 执行命令
python.exe -m pip install --upgrade pip
执行命令
pip install --use-pep517 --upgrade -r requirements.txt
安装的是根目录
的文件
执行命令
pip install -U -I --no-deps https://github.com/C43H66N12O12S2/stable-diffusion-webui/releases/download/f/xformers-0.0.14.dev0-cp310-cp310-win_amd64.whl
这步骤速度较慢，可以直接下载到xformers用python10本地安装
Cmd到venv\Scripts 使用pip install 拖拽安装
执行命令 Venv环境下
copy .\bitsandbytes_windows\*.dll .\venv\Lib\site-packages\bitsandbytes\
copy .\bitsandbytes_windows\cextension.py .\venv\Lib\site-packages\bitsandbytes\cextension.py
copy .\bitsandbytes_windows\main.py .\venv\Lib\site-packages\bitsandbytes\cuda_setup\main.py
可以一起全部复制 到 powershell 中执行
也可以使用cmd 进入根目录再进入（venv）环境执行
执行命令 Venv环境下
accelerate config
问问题可以0选择第一个选项 1选择第二选项 递推
回车确定
选项分别为
回车
回车
No
No
No
All
fp16 （或者no也行）
配置文件目录C:\Users\solid\.cache\huggingface\accelerate
编辑default_config.yaml
显卡是NVIDIA 30X0/40X0 可选步骤 增加训练速度
在根目录打开powershell
执行命令
.\venv\Scripts\activate
python .\tools\cudann_1.8_install.py
安装完成
右键 使用PowerShell运行
升级完成后 双击
运行UI
可以训练 Dreambooth ，Dreambooth LoRA 等模型
预处理图片方法1
预处理图片2
可以使用web-ui的预处理，分辨率可以不是512x512，分辨率越大越慢后面训练越吃显存
也可以使用插件预处理图片
配置图片输入输出目录
开始预处理
勾选BLIP可能会下载一下组件 等待即可
创建文件夹
kohya_ss\train\touhou\6_touhou
train 随意
Touhou随意 最好表示文件夹里面相关的
6_touhou 有个命名规则 为 数字_任意名字 数字推荐5-10
把预处理好的图片放到6_touhou中
文件夹路径设置
Image 文件夹
设置处理完的图片上一级
kohya_ss\train\pipi
输出模型文件夹
stable-diffusion-webui\models\Lora
Log文件夹
随意 可以kohya_ss\train\log
生成的模型名字
训练参数设置
8g显存一下 设置1 越高训练速度越快 越消耗显存
8g显存以下 勾选
设置一个主模型
主模型sd2 勾选v2 sd2以上再勾选v_parameterization 否则全部不勾选
保存为什么类型的模型
开始训练
训练模型的时候如果报错subprocess.CalledProcessError -----
'--use_8bit_adam', '--bucket_no_upscale']' returned non-zero exit status 1
把设置中的选项取消勾选 再训练
没有评论:
发表评论