晨涧云文档

首页

目录

Kohya_ss-LoRA训练器 容器镜像

简介

Kohya_ss 是一个功能强大且专业的 Stable Diffusion LoRA 训练工具，提供了完整的图形化界面（GUI），支持多种模型的 LoRA 训练。它是目前最流行和功能最全面的 LoRA 训练解决方案之一，被广泛应用于 AI 图像生成领域。

主要特点

  1. 图形化界面：提供直观易用的 Web UI，无需复杂的命令行操作

  2. 功能全面：支持 LoRA、DreamBooth、Textual Inversion 等多种训练方式

  3. 参数丰富：提供详细的训练参数配置，满足专业用户需求

  4. 模型支持广泛：支持 SD1.5、SDXL、Flux 等多种主流模型

  5. 训练工具完善：内置数据集准备、标注、预处理等辅助工具

支持的训练类型

  • LoRA 训练：轻量级模型微调，适合人物、风格、物体等训练

  • DreamBooth：个性化模型训练

  • Textual Inversion：文本嵌入训练

  • Fine-tuning：完整模型微调

当前支持的版本

Kohya_ss版本Ubuntu版本Python版本
v25.2.122.043.10

 

访问 Kohya_ss

在控制台中，查看实例的【IP】和【预留端口】，端口选择内网端口8001映射的外网端口；

预留端口8001访问.png#500px #184px

然后打开浏览器，输入http://<IP>:<8001映射外网端口>访问 Kohya_ss。

快速开始

1. 启动

镜像启动后，Kohya_ss 会自动运行，访问地址：

http://<服务器IP>:8001

kohya_ss界面.png#1200px #660px

LoRA 训练使用流程

步骤 1：准备训练数据

1.1 创建数据集目录

在服务器上创建训练数据目录结构：

/data/kohya_ss/datasets/my_lora/
├── img/
│   └── 10_trigger_word/
│       ├── image1.jpg
│       ├── image1.txt
│       ├── image2.jpg
│       ├── image2.txt
│       └── ...

目录命名规则：重复次数_触发词

  • 10：表示每个 epoch 重复训练 10 次

  • trigger_word：你的触发词，如 upper_body 等

1.2 准备训练图像

  1. 图像数量：建议 10-50 张高质量图像

  2. 图像质量：

    • 分辨率：建议 512x512 或 1024x1024（SDXL）

    • 格式：JPG、PNG 均可

    • 内容：清晰、多角度、多场景

  3. 图像多样性：包含不同角度、表情、姿势、背景等

1.3 图像标注（Captioning）

为每张图像创建对应的 .txt 文件，文件名与图像文件相同，描述图像内容。

为每张图片创建同名的 .txt 文件，如：

image1.jpg → image1.txt

在 .txt 文件中写入相应图片的描述，如：

sks person wearing a red dress, standing in a garden, smiling

kohya_ss数据集准备.png#319px #180px

步骤 2：配置训练参数

在 LoRA → Training 标签页中配置训练参数：

kohya_ss参数.png#1090px #590px

对于高级用户，可以进一步设置高级参数，参考官方文档

 

步骤 3：开始训练

点击页面底部的 Start training 按钮开始训练

kohya_ss训练.png#1000px #300px

步骤 4：监控训练过程

训练过程日志，需要登录后台查看:

/var/log/kohya_ss/kohya_ss.log

步骤 5：训练完成

训练完成后，会在日志中显示生成的LoRA模型路径

LoRA 模型会保存在指定的输出目录中，如：

/root/kohya_ss/outputs/
├── last.safetensors