1. 环境部署

• 创建虚拟环境

  conda create -n env_kohya_ss python==3.10.0
  

• 进入虚拟环境

  conda activate env_kohya_ss
  

• clone源码

  git clone https://github.com/bmaltais/kohya_ss.git
  

• 进入项目根目录

  cd kohya_ss
  

• 安装相关库

  # 根据环境选择
  pip install -r requirements_linux.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/
  pip install -r requirements_windows_torch2.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/
  

2.运行程序

./gui.sh  --listen 127.0.0.1 --server_port 7860 --inbrowser --share 

3.训练模型参数

• 根据自己的数据，在有底模的情况下，训练微调模型参数，更好的达到效果

3.1 创建输出文件夹

• 在根目录创建output/train文件夹
• 进入output/train文件夹
• 创建输出相关文件夹models,logs
  

3.2 数据集格式

• 数据集格式：一张图片对应一个文本且名称相同
• 数据集存放路径dataset/100_dataset

  kohya_ss/dataset
  kohya_ss/dataset/100_dataset  # 100_dataset数据集文件夹，100_表示训练的批次
  

  

3.3 lora模型微调

3.3.1 数据及相关路径

• input image folder:训练数据集路径为父级路径

  kohya_ss/dataset
  

• output file path

  # output_models: 输出训练底模路径
  kohya_ss/output/train/models
  # output_logs:输出训练日志路径
  kohya_ss/output/train/logs	
  # prompt :good，得到的底模名称
  

3.3.2 修改超参数

• 根据自己的需求修改
  • Presets,LoRA type 需选择与lora相关的
    

3.3.3 选择微调的底模

• 根据那个底模进行数据集微调：
  -底模下载链接： https://civitai.com/models

  kohya_ss/models/2dn_2.safetensors
  

3.4 sdxl模型微调

3.4.1 数据及相关路径

• input image folder:训练数据集路径为父级路径

  kohya_ss/dataset
  

• output file path

  # output_models: 输出训练底模路径
  kohya_ss/output/train/models
  # output_logs:输出训练日志路径
  kohya_ss/output/train/logs	
  # prompt :good，得到的底模名称
  

3.4.2 修改超参数

• 根据自己的需求修改
  • Presets,LoRA type 需选择与sdxl相关的
    

3.4.3 选择微调的底模

• 需要选择SDXL Model
  

4. 报错信息

4.1 报错1

• ImportError: cannot import name 'StableDiffusionXLPipeline' from 'diffusers'
  
  • 解决diffusers0.16.1版本改为0.18.2

    pip uninstall diffusers
    pip uninstall diffusers==0.18.2
    

4.2 报错2

• StableDiffusionXLPipeline requires the invisible-watermark library but it was not found in your environment. You can install it with pip: pip install invisible-watermark>=2.0
  
• 解决

  pip install invisible-watermark>=2.0