Kohya's GUI：Stable Diffusion 训练AI 绘图模型 UI 完整安装教学(LoRA 模型训练)
Kohya's GUI提供了一个Gradio GUI，能让使用者操作简单好懂的Web 介面去训练适用于Stable Diffusion 的AI 绘图模型。不管您是要做DreamBooth 还是LoRA 都可以用它来进行训练！特别是LoRA 近期特别热门，主要是它可以在低VRAM（大概7G 以上）的显卡上进行训练，且只要约十几张的训练影像就能产生效果很好的LoRA 模型，LoRA 还有模型档案小的特点，不像DreamBooth 动不动就数GB。这篇图文仅教学Kohya's GUI 的安装。依照开发者叙述，您需要先安装好Python 3.10.6+和Git，另外还要安装Visual Studio 2015, 2017, 2019, 2022 redistributable。⚠️注意，稍后选择安装位置请留意剩余空间，至少需要约10 GB 可用空间，站长实测全新安装此应用软件后约消耗6.7 GB 的硬盘空间。
▲ Kohya's GUI 在GitHub 上的储存库，一切资源跟安装方式都在这边写得清清楚楚，不过跟着站长做就能节省很多您的时间啦！
▲ 首先先搜寻「powershell」并用系统管理员身分执行它，接着输入 Set-ExecutionPolicy Unrestricted 指令并回答A。
▲ 接着打开终端（CMD），将路径先指定好（要安装的地方，如：D 盘），接着下 指令下载整个软件，再用 进入软件包目录中，再来直接复制以下完整指令并全部执行：
git clone https://github.com/bmaltais/kohya_ss.gitcd kohya_ss请下载整个软件包，然后使用cd kohya_ss
命令进入软件包目录，最后直接复制以下完整命令并全部执行：
python -m venv venv
.\venv\Scripts\activate
pip install torch==1.12.1+cu116 torchvision==0.13.1+cu116 --extra-index-url https://download.pytorch.org/whl/cu116
pip install --use-pep517 --upgrade -r requirements.txt
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
这里需要下载一些东西，可能需要稍等一下。然后，分别输入以下指令，每个指令占一行：
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
接下来输入 "accelerate config" 命令开始进行加速器设置，回答如图中红线所示的方式即可，最后相关设置将保存为一个名为 "default_config.yaml" 的配置文件。
终端输出内容完整版：
(venv) D:\kohya_ss>accelerate config
----------------------------------------------------------------------------------In which compute environment are you running?
This machine
----------------------------------------------------------------------------------Which type of machine are you using?
No distributed training
Do you want to run your training on CPU only (even if a GPU is available)? :NO
Do you wish to optimize your script with torch dynamo?:NO
Do you want to use DeepSpeed? : NO
What GPU(s) (by id) should be used for training on this machine as a comma-seperated list? :all
----------------------------------------------------------------------------------Do you wish to use FP16 or BF16 (mixed precision)?
fp16
accelerate configuration saved at C:\Users\user/.cache\huggingface\accelerate\default_config.yaml
▲ 进入软件包的根目录，我这里是 D:\kohya_ss，upgrade.ps1 文件用于更新软件，需要使用 PowerShell 执行。
▲ 在软件的根目录中，双击 gui.bat 可以启动 Kohya's GUI，启动速度非常快！使用 Ctrl + 点击网址（默认为 http://127.0.0.1:7861），可以在浏览器中打开操作界面。
▲ 这就是 Kohya's GUI 的操作界面了！这样就完成了 Kohya's GUI 的安装！Kohya's GUI 的好处是将训练模型的工作交给独立的软件来运作，不再与 Stable Diffusion web UI 一同运行。毕竟，Stable Diffusion web UI 经常更新，容易引起相关扩展错误等问题，非常麻烦。
Linux和MacOS
打开终端，先建个文件夹，然后一步步来：git clone https://github.com/bmaltais/kohya_ss.git
cd kohya_ss
运行 setup.sh
# 如果您在一个安全性更高的机器上，则可能需要运行chmod +x ./setup.sh# 如果需要在runpod环境中进行其他选项，则有附加选项。# 调用 'setup.sh -h' 或 'setup.sh --help' 以获取更多信息。
我直接sudo了。
sudo ./setup.sh
这里切换到虚拟 Python 环境。在 Python 操作之前检查 pip 更新。安装 Python 依赖项。这可能需要一些时间来下载文件。如果此操作运行时间过长，他让你可以以详细模式重新运行此脚本进行检查。
可能会出现错误：WARNING: Retrying (Retry(total=4, connect=None, read=None, redirect=None, status=None)) after connection broken by 'ProtocolError('Connection aborted.', RemoteDisconnected('Remote end closed connection without response'))': /simple/keras-preproc>
因为是国内的机器，需要挂个梯子在机器上。
这里是关于setup.sh的帮助文件：
Kohya_SS POSIX 操作系统安装脚本。
以下选项适用于 runpod 环境，并不影响本地机器安装。
用法：
setup.sh -b dev -d /workspace/kohya_ss -g https://mycustom.repo.tld/custom_fork.git
setup.sh --branch=dev --dir=/workspace/kohya_ss --git-repo=https://mycustom.repo.tld/custom_fork.git
选项：
-b BRANCH，--branch=BRANCH 选择新安装时要检出的 kohya 分支。
-d DIR，--dir=DIR 您要安装 kohya_ss 的完整路径。
-g REPO，--git_repo=REPO 您可以选择提供一个 git 存储库以进行 runpod 安装。有助于自定义分支。
-h，--help 显示此屏幕。
-i，--interactive 交互式配置加速器，而不是使用默认配置文件。
-n，--no-update 不更新 kohya_ss 存储库。没有 git pull 或 clone 操作。
-p，--public 在 runpod 模式下公开公共 URL。在其他模式下没有影响。
-r，--runpod 强制进行 runpod 安装。如果检测失败，非常有用。
-s，--skip-space-check 跳过 10Gb 最小存储空间检查。
-u，--no-gui 跳过启动 GUI。
-v，--verbose 增加最高 3 级详细程度。
安装位置在 Linux 上的默认安装位置是如果检测到先前的安装，则为脚本所在的位置。否则，它将回退到 /opt/kohya_ss。如果 /opt 不可写，则回退到 $HOME/kohya_ss。最后，如果所有其他方法都失败，则会简单地安装到您当前所在的文件夹（PWD）。
在 macOS 和其他非 Linux 机器上，它将首先尝试检测在脚本运行的位置安装并在那里运行安装程序（如果检测到该位置）。如果在该位置找不到先前的安装，则默认安装到 $HOME/kohya_ss，然后安装到您当前的位置，如果无法访问 $HOME。您可以使用 -d 选项指定安装目录来覆盖此行为。
如果您正在使用交互模式，则在运行脚本后，加速配置屏幕的默认值为“This machine”、“ None”、“ No”对于剩余的问题。这些答案与 Windows 安装相同。
升级
# Refresh and update everything
./setup.sh
# This will refresh everything, but NOT clone or pull the git repo.
./setup.sh --no-git-update
启动 GUI 服务
以下命令行参数可传递到任何操作系统上的脚本以配置底层服务。
--listen：监听 Gradio 连接的 IP 地址。
--username：用于身份验证的用户名。
--password：用于身份验证的密码。
--server_port：运行服务器监听器的端口。
--inbrowser：在 Web 浏览器中打开 Gradio UI。
--share：共享 Gradio UI。
在 Linux 和 macOS 上启动 GUI
类似于 Windows，使用所需的命令行参数运行启动器脚本。
./gui.sh --listen 127.0.0.1 --server_port 7861 --inbrowser --share
使用 kohya_gui.py 直接启动 GUI要直接运行 GUI，可以跳过包装器脚本，只需从根项目目录使用此命令：
.\venv\Scripts\activate
python .\kohya_gui.py
👍 相关教程：训练 LoRA 模型教程
可选功能（CUDNN 8.6）
如果您持有 NVIDIA 30X0/40X0 显卡，可以安装 CUDNN 8.6 以允许更大的训练批量大小和获得更快的训练速度！下载链接：https://b1.thefileditch.ch/mwxKTEtelILoIbMbruuM.zip解压缩后将 cudnn_windows 整个文件夹移动至软件根目录下，并在根目录中用终端机执行以下命令：
.\venv\Scripts\activate
python .\tools\cudann_1.8_install.py
UBUNTU下如果出现以下问题：
ModuleNotFoundError: No module named '_bz2'
你需要下载一下：
sudo apt-get install libbz2-dev
sudo cp /home/ubuntu/miniconda3/lib/python3.10/lib-dynload/_bz2.cpython-310-x86_64-linux-gnu.so /home/ubuntu/kohya_ss/venv/lib/python3.10/site-packages
可以使用以下命令查找文件。
sudo find /-name _bz2.cpython-*
页:
[1]