一、Lora简介二、Lora一键包安装教程三、Lora使用教程四、常见错误除一、Lora简介LoRA: Low-Rank Adaptation of Large Language Models 是微软研究员引入的一项新技术，主要用于处理大模型微调的问题。目前超过数十亿以上参数的具有强能力的大模型 (例如 GPT-3) 通常在为了适应其下游任务的微调中会呈现出巨大开销。 LoRA 建议冻结预训练模型的权重并在每个 Transformer 块中注入可训练层 (秩-分解矩阵)。因为不需要为大多数模型权重计算梯度，所以大大减少了需要训练参数的数量并且降低了 GPU 的内存要求。Stable Diffusion 的全模型微调过去既缓慢又困难，这也是 Dreambooth 或 Textual Inversion 等轻量级方法变得如此流行的部分原因。使用 LoRA，在自定义数据集上微调模型要容易得多。详细的原理分析见右侧链接：https://www.cnblogs.com/huggingface/p/17108402.html简单来说，lora模型为我们提供了更便捷更自由的微调模型，能够使我们在底膜的基础上，进一步指定整体风格、指定人脸等等，而且lora模型非常的小，大部分都只有几十MB，非常的方便！二、Lora一键包安装教程秋叶大佬已经发布了一个本地Lora一键包，比较的方便，可以参考下方视频安装使用，本文是文字版教程。注意本文默认是使用的N卡，A卡的道友暂时好像不能使用，会非常的慢秋叶lora视频教程链接：https://www.bilibili.com/video/BV1fs4y1x7p2/?spm_id_from=333.999.0.0一键包下载链接：https://pan.quark.cn/s/d81b8754a484百度网盘链接：[url=链接：https://pan.baidu.com/s/1RmXoUar52KFJ4DdQU_UoWQ?pwd=r50l]链接：https://pan.baidu.com/s/1RmXoUar52KFJ4DdQU_UoWQ?pwd=r50l[/url]下载完一键包之后，先安装包里的两个软件
其中python版本必须是python3.1，即使本地有python，还是建议再安装一个3.1版本。安装python的时候记得勾选将python加入环境变量，如下图红框安装完两个软件后，将鼠标移动到电脑左下角开始图标，选择“windows powershell”输入命令：Set-ExecutionPolicy -ExecutionPolicy RemoteSigned遇到询问输入 y同时可以在这里验证python是否安装成功，输入python将显示出python版本为3.1.现在进入lora-scripts文件夹，先双击运行“强制更新.bat”文件如果报错提示没有git或者不识别git命令，说明你的电脑没有git，需要下载安装一个，git下载链接：https://git-scm.com/download/win安装完git再重新运行“强制更新.bat”文件更新完毕后，右键：“install-cn.ps1”文件，选择“使用powershell运行”。注意，这里有一个非常常见的错误就是提示“其他依赖安装失败！”如下图遇到这个错误，重新运行“强制更新.bat”文件然后再运行“install-cn.ps1”文件。“install-cn.ps1”文件正常运行最后会提示“安装完毕”，如下图然后现在就进入了素材准备的阶段，首先自己准备10-100张图片，40张左右效果就差不多。将所以的素材图片放到同一个文件夹，然后进入SDwebUI界面，选择“训练”标签，点击图像预处理在源文件输入素材文件夹位置，并填上输出文件夹位置，勾选下方第三个自动焦点裁切和最后一个deepbooru打tag的选项点击预处理，会在设置的输出文件夹中生成裁剪后的图片以及图片相应tag的txt文件这里如果显卡大小小于8G的话，建议裁剪成512*512大小的图片，512*640最少需要8G显存得到素材文件后，，在lora-scripts文件夹下新建一个train文件夹，然后再下方再创建一个文件夹，命名随意，但是需要记住。比如我创建了就是sucai文件夹。在这个文件夹下再创建一个文件夹，这个文件夹有严格的命名格式。要求为：数字_名称，如6_sucai。数字代表的是这个文件夹下的素材使用几次，显存大的道友可以设置多个，一个的话也可以。如果素材文件比较少的情况下，可以设置6，如果100张图以上可以设置为2或者3，甚至1也行，不然可能会炸全选复制裁剪后的图片以及所以的txt文件到上面刚创建的文件夹下。比如我这就是..\train\sucai\6_sucai\现在素材准备好了，我们修改一下“train.ps1”文件，右键使用文本编辑器打开我们需要修改的参数如下图所示：其中$pretrained_model，不是指的SDwebUI左上角的模型路径，而是这次训练lora模型主要参考的模型。存放位置一般为..\lora-scripts\sd-models\这里我们需要去准备一个模型放在这个路径中，推荐直接复制SD中的主模型过来改个名字。注意，经过群友大量测试，推荐使用SD1.5模型作为lora丹底。下载链接：https://huggingface.co/runwayml/stable-diffusion-v1-5/resolve/main/v1-5-pruned-emaonly.ckpt将新下载的SD1.5，如果之前下过就到从..\stable-diffusion-webui\models\Stable-diffusion中找复制到..\lora-scripts\sd-models\路径中最好重命名一下，比如我就是重命名为model.ckpt然后就填入配置文件$pretrained_model = "./sd-models/model.ckpt"注意：有的道友选的丹底是SafeTensor格式的，那就改成$pretrained_model = "./sd-models/model.safetensor"$train_data_dir指的就是我们刚才创建的存放素材的位置，我这里就填入$train_data_dir = "./train/sucai/"不需要填入带数字的文件夹。下方的训练相关参数，$resolution指的是图片分辨率。显存小于8个G的道友就老老实实训练512,512，不然显存直接爆炸$max_train_epoches指的是训练的epoch数，建议数值10-20，但一般15就差不多了。数字越大训练时间越久。其他几个参数小白的话可以不用动，默认就可以了。学习率这里也不用动等能够熟练操作之后，可以自己调整参数以便得到更好的效果。再往下，输出设置这里可以通过修改$output_name后方的值修改输出的lora模型文件名，建议输入英文名，不要用中文，比如我设置为gaoye。lora文件类型建议设置$save_model_as为safetensors改完参数后，一定记得保存文件。然后关掉文件，“train.ps1”文件，选择“使用powershell运行”。如果显存没爆炸，且上述参数都设置的情况下，正常就开始进入训练界面了。出现epoch轮数的时候，就证明你已经正常进入训练过程了！根据设置的参数已经你显卡的性能，训练的时间不等。等待训练完毕，打开..\lora-scripts\output\文件夹，复制生成的gaoye.safetensors复制到sd中的..\stable-diffusion-webui\models\Lora\路径中其他几个带数字的文件为中间文件，可以丢弃。至此，我们自己的lora模型已经训练完成，可以进行使用了！！三、Lora使用教程这部分不再赘述，可以参考入门教程的第七部分入门教程：https://dfldata.xyz/forum.php?mod=viewthread&tid=12756&page=1#pid390482四、常见错误排除1.运行“install-cn.ps1”文件，提示“其他依赖安装失败！”如下图答：遇到这个错误，重新运行“强制更新.bat”文件，然后再运行“install-cn.ps1”文件。2.运行“强制更新.bat”文件，报错提示没有git或者不识别git命令。答：说明你的电脑没有git，需要下载安装一个，git下载链接：https://git-scm.com/download/win安装完git再重新运行“强制更新.bat”文件3.运行“train.ps1”文件提示“CUDA out of memery”错误。答：显存不够了，调小参数设置的分辨率，支持非正方形，但必须是 64 倍数。同时可以加大虚拟内存，具体方法百度。实在机器性能有限，可以使用在线的网站训练lora模型。参考链接：https://www.bilibili.com/read/cv214501984.运行“install-cn.ps1”文件创建虚拟环境失败答：检查python版本，以及电脑装过anaconda，需要先关掉conda自动激活base环境，方法自行百度。不然运行脚本时环境会冲突。5.运行的“train.ps1”文件的时候，提示Error no kernel image is available for execution on the device。答：删掉“train.ps1”文件中，下方红框中的命令，保存后重新运行
