尧图网页设计 
5 步跑通 kohya_ss新手 LoRA 训练实操【免费下载链接】kohya_ss项目地址: https://gitcode.com/GitHub_Trending/ko/kohya_ss你手头攒了 20 张同风格的照片色调一致主体一致构图相近。你希望 AI 能随时画出这种感觉几句话就能调用。kohya_ss是 Stable Diffusion 训练工具最常用的用途是训练一个LoRA也就是用一个小插件文件给 AI 喂教材训练完成以后在生成提示词里加几个词就能调用这种风格。它提供完整的 GUI 训练工具素材整理、参数填写、启动观察都在浏览器里完成全程不需要敲一条命令行。这篇文章带你把一次 LoRA 训练从素材到出图走一遍。GUI 训练工具帮你省了什么如果你已经熟悉命令行可以跳过这一节如果是新手30 秒读完。参数变成表单。纯命令行的工作流里每个参数都要手写漏一个训练就起不来。kohya_ss 里学习率、批大小、分辨率都是输入框和下拉框旁边还有说明文字。社区预设直接加载。打开 presets/lora/ 目录你会看到一批现成的训练配置例如 SDXL - LoRA AI_characters standard v1.0.json。在界面里加载它整页参数一次填好。杂活有专门入口。打标、图片分组、格式转换tools/ 目录里都有对应脚本界面上也留了入口点几下就能做完。顺带一提如果你的素材是真人照片也可以用Dreambooth来训练kohya_ss 同样支持。本文走 LoRA因为它是更简单的起点。安装启动第一次运行 kohya_ss 的方法先获取代码加--recursive才能取齐全部依赖git clone --recursive https://gitcode.com/GitHub_Trending/ko/kohya_ss cd kohya_ssLinux 和 macOS 用户运行./gui-uv.shWindows 用户双击同目录的 gui-uv.bat。脚本自己装依赖装完会打开浏览器地址是 http://localhost:7860。看到分标签页的界面就说明环境就绪了。一次完整 LoRA 训练按时间顺序走一遍下面按素材整理 → 界面配置 → 启动观察 → 结果验证的顺序走。训练素材怎么整理10 到 20 张图足够。尺寸 512x512 以上风格统一模糊的删掉。图片放同一个目录每张图旁放一个同名 .txt 文件写一行描述训练角色就写角色名例如 darius kawasaki person。仓库里的 test/img/10_darius kawasaki person/ 就是现成例子8 张图和 8 个 .txt 一一对应。素材的质量大致是这样素材整理完在界面的数据集部分填入目录同时设置每张图的重复次数 num_repeats 和类别词class token生成时用来调用这个风格的词。训练参数怎么填选 LoRA 标签页点 Load Config从 presets/lora/ 里挑一个 JSON。训练角色选 SDXL - LoRA AI_characters standard v1.0.json。加载后只改四处底模路径你下载的 .safetensors 文件位置、数据集目录、输出模型名、最大训练轮数epoch。其余字段第一次先不动保留预设值。启动与观察训练点 Start training。页面下方的日志区会显示当前步数与总步数、loss 值还会定期生成测试图。loss 持续下降、测试图越来越像素材说明训练正常。loss 一开始就是 NaN 或跳到很大的数值就停下来查参数后面排查一节会讲。训练结果怎么验证训练结束输出目录里会多出一个 .safetensors 文件这就是训练好的 LoRA。把它拖进任意 Stable Diffusion 绘图工具LoRA 强度设 0.7 到 1.0提示词里写上训练时设的类别词出几张图。拿生成图和原始素材对比素材大致是这样的风格对但细节不对调低强度再测完全不像就调高 num_repeats 或加长 epoch 重训。三个最容易调拧的参数怎么填第一次都用预设值。理解下面三个出错时才知道往哪调。学习率 learning_rate。预设值 2e-05。调高到 1e-4每一步走得快loss 下降快但容易冲过头后面生成的图会崩坏。调低到 1e-5训练稳但慢训练结束素材特征可能还没学透。从预设值翻倍或减半地调不要一次改一个数量级以上。图片重复次数 num_repeats。它决定每个 epoch 里 AI 看每张图几遍。调高特征记得牢但过高会过拟合只能复现那几张原图换提示词也没用。调低变化更多但风格变弱。10 到 20 张图建议先从 10 开始。网络维度 network_dim。预设 32决定 LoRA 文件的容量。调高到 64 或 128能装下更复杂的特征但文件更大生成更慢。调低到 8 或 16文件小、加载快但复杂风格装不下只会有轻微色调变化。训练没出活时的排查思路现象loss 是 NaN或一开始就变成很大的数值。可能原因学习率过高或底模和界面设置不匹配。对应动作学习率减半重训确认底模类型和界面里的模型类型设置一致。现象训练完成生成的图和素材完全不像。可能原因重复次数太少或类别词和素材对不上。对应动作调高 num_repeats 重训确认生成提示词里用的词和训练时设的类别词完全一致。现象loss 在下降但图片发虚、细节丢失。可能原因原图分辨率太低或最大分辨率设置小于素材尺寸。对应动作换 512x512 以上的原图确认最大分辨率参数覆盖得了素材尺寸。读完后可以做三件小事先打开 kohya_gui/ 目录把界面里的标签页和文件一一对上知道每个标签页管什么再把本文提过的预设加载一次逐项读页面上的值确认每个字段管什么最后用开头的 8 张样图真实跑一遍 LoRA验证整条流程走得通。能出图流程就算通了剩下的只是调参的事。【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 5 步跑通 kohya_ss：新手 LoRA 训练实操
5 步跑通 kohya_ss新手 LoRA 训练实操【免费下载链接】kohya_ss项目地址: https://gitcode.com/GitHub_Trending/ko/kohya_ss你手头攒了 20 张同风格的照片色调一致主体一致构图相近。你希望 AI 能随时画出这种感觉几句话就能调用。kohya_ss是 Stable Diffusion 训练工具最常用的用途是训练一个LoRA也就是用一个小插件文件给 AI 喂教材训练完成以后在生成提示词里加几个词就能调用这种风格。它提供完整的 GUI 训练工具素材整理、参数填写、启动观察都在浏览器里完成全程不需要敲一条命令行。这篇文章带你把一次 LoRA 训练从素材到出图走一遍。GUI 训练工具帮你省了什么如果你已经熟悉命令行可以跳过这一节如果是新手30 秒读完。参数变成表单。纯命令行的工作流里每个参数都要手写漏一个训练就起不来。kohya_ss 里学习率、批大小、分辨率都是输入框和下拉框旁边还有说明文字。社区预设直接加载。打开 presets/lora/ 目录你会看到一批现成的训练配置例如 SDXL - LoRA AI_characters standard v1.0.json。在界面里加载它整页参数一次填好。杂活有专门入口。打标、图片分组、格式转换tools/ 目录里都有对应脚本界面上也留了入口点几下就能做完。顺带一提如果你的素材是真人照片也可以用Dreambooth来训练kohya_ss 同样支持。本文走 LoRA因为它是更简单的起点。安装启动第一次运行 kohya_ss 的方法先获取代码加--recursive才能取齐全部依赖git clone --recursive https://gitcode.com/GitHub_Trending/ko/kohya_ss cd kohya_ssLinux 和 macOS 用户运行./gui-uv.shWindows 用户双击同目录的 gui-uv.bat。脚本自己装依赖装完会打开浏览器地址是 http://localhost:7860。看到分标签页的界面就说明环境就绪了。一次完整 LoRA 训练按时间顺序走一遍下面按素材整理 → 界面配置 → 启动观察 → 结果验证的顺序走。训练素材怎么整理10 到 20 张图足够。尺寸 512x512 以上风格统一模糊的删掉。图片放同一个目录每张图旁放一个同名 .txt 文件写一行描述训练角色就写角色名例如 darius kawasaki person。仓库里的 test/img/10_darius kawasaki person/ 就是现成例子8 张图和 8 个 .txt 一一对应。素材的质量大致是这样素材整理完在界面的数据集部分填入目录同时设置每张图的重复次数 num_repeats 和类别词class token生成时用来调用这个风格的词。训练参数怎么填选 LoRA 标签页点 Load Config从 presets/lora/ 里挑一个 JSON。训练角色选 SDXL - LoRA AI_characters standard v1.0.json。加载后只改四处底模路径你下载的 .safetensors 文件位置、数据集目录、输出模型名、最大训练轮数epoch。其余字段第一次先不动保留预设值。启动与观察训练点 Start training。页面下方的日志区会显示当前步数与总步数、loss 值还会定期生成测试图。loss 持续下降、测试图越来越像素材说明训练正常。loss 一开始就是 NaN 或跳到很大的数值就停下来查参数后面排查一节会讲。训练结果怎么验证训练结束输出目录里会多出一个 .safetensors 文件这就是训练好的 LoRA。把它拖进任意 Stable Diffusion 绘图工具LoRA 强度设 0.7 到 1.0提示词里写上训练时设的类别词出几张图。拿生成图和原始素材对比素材大致是这样的风格对但细节不对调低强度再测完全不像就调高 num_repeats 或加长 epoch 重训。三个最容易调拧的参数怎么填第一次都用预设值。理解下面三个出错时才知道往哪调。学习率 learning_rate。预设值 2e-05。调高到 1e-4每一步走得快loss 下降快但容易冲过头后面生成的图会崩坏。调低到 1e-5训练稳但慢训练结束素材特征可能还没学透。从预设值翻倍或减半地调不要一次改一个数量级以上。图片重复次数 num_repeats。它决定每个 epoch 里 AI 看每张图几遍。调高特征记得牢但过高会过拟合只能复现那几张原图换提示词也没用。调低变化更多但风格变弱。10 到 20 张图建议先从 10 开始。网络维度 network_dim。预设 32决定 LoRA 文件的容量。调高到 64 或 128能装下更复杂的特征但文件更大生成更慢。调低到 8 或 16文件小、加载快但复杂风格装不下只会有轻微色调变化。训练没出活时的排查思路现象loss 是 NaN或一开始就变成很大的数值。可能原因学习率过高或底模和界面设置不匹配。对应动作学习率减半重训确认底模类型和界面里的模型类型设置一致。现象训练完成生成的图和素材完全不像。可能原因重复次数太少或类别词和素材对不上。对应动作调高 num_repeats 重训确认生成提示词里用的词和训练时设的类别词完全一致。现象loss 在下降但图片发虚、细节丢失。可能原因原图分辨率太低或最大分辨率设置小于素材尺寸。对应动作换 512x512 以上的原图确认最大分辨率参数覆盖得了素材尺寸。读完后可以做三件小事先打开 kohya_gui/ 目录把界面里的标签页和文件一一对上知道每个标签页管什么再把本文提过的预设加载一次逐项读页面上的值确认每个字段管什么最后用开头的 8 张样图真实跑一遍 LoRA验证整条流程走得通。能出图流程就算通了剩下的只是调参的事。【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