Skip to content

Latest commit

 

History

History
188 lines (131 loc) · 6.47 KB

README-zh.md

File metadata and controls

188 lines (131 loc) · 6.47 KB
SD-Trainer

SD-Trainer

✨ 享受 Stable Diffusion 训练! ✨

GitHub 仓库星标 GitHub 仓库分支 许可证 发布版本

下载 · 文档 · 中文README

LoRA-scripts(又名 SD-Trainer)

LoRA & Dreambooth 训练图形界面 & 脚本预设 & 一键训练环境,用于 kohya-ss/sd-scripts

✨新特性: 训练 WebUI

Stable Diffusion 训练工作台。一切集成于一个 WebUI 中。

按照下面的安装指南安装 GUI,然后运行 run_gui.ps1(Windows) 或 run_gui.sh(Linux) 来启动 GUI。

image

Tensorboard WD 1.4 标签器 标签编辑器
image image image

使用方法

必要依赖

Python 3.10 和 Git

克隆带子模块的仓库

git clone --recurse-submodules https://github.com/Akegarasu/lora-scripts

✨ SD-Trainer GUI

Windows

安装

运行 install-cn.ps1 将自动为您创建虚拟环境并安装必要的依赖。

训练

运行 run_gui.ps1,程序将自动打开 http://127.0.0.1:28000

Linux

安装

运行 install.bash 将创建虚拟环境并安装必要的依赖。

训练

运行 bash run_gui.bash,程序将自动打开 http://127.0.0.1:28000

Docker

编译镜像

# 国内镜像优化版本
# 其中 akegarasu_lora-scripts:latest 为镜像及其 tag 名,根据镜像托管服务商实际进行修改
docker build -t akegarasu_lora-scripts:latest -f Dockfile-for-Mainland-China .
docker push akegarasu_lora-scripts:latest

使用镜像

提供一个本人已打包好并推送到 aliyuncs 上的镜像,此镜像压缩归档大小约 10G 左右,请耐心等待拉取。

docker run --gpus all -p 28000:28000 -p 6006:6006 registry.cn-hangzhou.aliyuncs.com/go-to-mirror/akegarasu_lora-scripts:latest 

或者使用 docker-compose.yaml

services:
  lora-scripts:
    container_name: lora-scripts
    build:
      context: .
      dockerfile: Dockerfile-for-Mainland-China
    image: "registry.cn-hangzhou.aliyuncs.com/go-to-mirror/akegarasu_lora-scripts:latest"
    ports:
      - "28000:28000"
      - "6006:6006"  
    # 共享本地文件夹(请根据实际修改)
    #volumes:
      # - "/data/srv/lora-scripts:/app/lora-scripts"
      # 共享 comfyui 大模型
      # - "/data/srv/comfyui/models/checkpoints:/app/lora-scripts/sd-models/comfyui"
      # 共享 sd-webui 大模型
      # - "/data/srv/stable-diffusion-webui/models/Stable-diffusion:/app/lora-scripts/sd-models/sd-webui"
    environment:
      - HF_HOME=huggingface
      - PYTHONUTF8=1
    security_opt:
      - "label=type:nvidia_container_t"
    runtime: nvidia
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              device_ids: ['0']
              capabilities: [gpu]

关于容器使用 GPU 相关依赖安装问题,请自行搜索查阅资料解决。

通过手动运行脚本的传统训练方式

Windows

安装

运行 install.ps1 将自动为您创建虚拟环境并安装必要的依赖。

训练

编辑 train.ps1,然后运行它。

Linux

安装

运行 install.bash 将创建虚拟环境并安装必要的依赖。

训练

训练

脚本 train.sh 不会 为您激活虚拟环境。您应该先激活虚拟环境。

source venv/bin/activate

编辑 train.sh,然后运行它。

TensorBoard

运行 tensorboard.ps1 将在 http://localhost:6006/ 启动 TensorBoard

程序参数

参数名称 类型 默认值 描述
--host str "127.0.0.1" 服务器的主机名
--port int 28000 运行服务器的端口
--listen bool false 启用服务器的监听模式
--skip-prepare-environment bool false 跳过环境准备步骤
--disable-tensorboard bool false 禁用 TensorBoard
--disable-tageditor bool false 禁用标签编辑器
--tensorboard-host str "127.0.0.1" 运行 TensorBoard 的主机
--tensorboard-port int 6006 运行 TensorBoard 的端口
--localization str 界面的本地化设置
--dev bool false 开发者模式,用于禁用某些检查