kohya_ss 使用指南图形化 LoRA 微调 AI 图像模型8GB 显存起步【免费下载链接】kohya_ss项目地址: https://gitcode.com/GitHub_Trending/ko/kohya_sskohya_ss 是面向 AI 图像模型的图形化微调工具把 Kohya 训练脚本装进浏览器界面用 LoRA、DreamBooth 等方法训练角色、风格等自定义模型适合有 GPU 但不写命令行的用户。读完你能装好它、跑完第一次 LoRA 训练并会配参数与显存。效果速览想让 AI 记住某个特定人物、画风或物品传统做法是手写几十条训练命令kohya_ss 把这些命令换成了网页表单选模型、填路径、点开始训练脚本在后台自动生成并执行。仓库的 test/ 目录自带一套 8 张图的生物朋克风示例数据集每张图片配一个同名 .txt 描述文件你可以直接拿它验证整个流程不用先准备自己的素材。快速上手kohya_ss 安装步骤与三条命令启动硬件要求与显存需求先看这张表训练任务推荐底模显存要求建议分辨率LoRA 微调SD1.5SD 1.58GB开全项省显存可更低512x512LoRA 微调SDXLSDXL12GB1024x1024DreamBooth 整模微调SD1.5 / SDXL12GB512x512 / 1024x1024最小安装路径Windows 为例Linux/macOS 类似安装前置环境Python 3.11.9安装时勾选 Add to PATH、CUDA 12.8、Git。克隆仓库必须带--recursive否则缺少训练脚本子模块git clone --recursive https://gitcode.com/GitHub_Trending/ko/kohya_ss cd kohya_ssWindows 双击gui-uv.bat首次运行按 Y 让脚本自动安装uvLinux/macOS 执行./setup.sh后用./gui.sh启动。浏览器打开 127.0.0.1:7860 即进入界面建议把config example.toml复制为config.toml把底模、数据集、输出目录的默认路径写进去之后每次启动都不用重新选文件夹。详细分平台说明在 docs/Installation/覆盖 uv/pip 两种安装方式在 Windows、Linux 下的完整步骤。核心功能 ⚙️五个标签页解决从标注到出模型的全流程LoRA / LoHa / LoKr 轻量微调它是什么只训练一个几 MB 的增量网络文件不动底模本体。怎么开启进入 LoRA 标签页 → 选底模和训练数据文件夹 → 设置维度rank与学习率 → 开始训练v26.0.0 起 SDXL 与 Anima 底模可直接选 LoHa、LoKr 两种变体。适用场景训练单个角色、一种画风或一件服饰产出文件小、加载快。DreamBooth 整模训练它是什么对整个底模做全量微调产出一个几 GB 的完整模型文件。怎么开启进入 DreamBooth 标签页 → 填训练图目录和可选的正则化图目录防止原概念语言漂移→ 启动。适用场景LoRA 的容量装不下你想改的风格需要让新风格成为模型默认行为时。预设参数模板它是什么社区验证过的参数组合优化器、学习率、调度器保存为 JSON 一键载入。怎么开启在界面预设区选择 presets/ 下的文件按 lora/、dreambooth/、finetune/ 三个子目录分类LoRA 类有 30 多个涵盖 SD1.5、SDXL、Flux.1 各底模。适用场景第一次训练不确定参数怎么配时先套预设跑通再逐项调整。训练中样本图生成它是什么训练过程中按固定间隔用你写的提示词出图直观看到模型学到的进度。怎么开启准备一个提示词文件每行一条提示词行首 # 是注释行尾可跟--w、--h、--l、--s控制宽高、CFG、步数在界面指定该文件与出图间隔。适用场景长训练中途判断该继续、该停还是该调学习率。掩码损失masked loss它是什么只计算掩码区域内像素的损失让训练聚焦在画面指定部位。怎么开启勾选--masked_loss参数并按训练图同名准备 RGB 掩码图——红色通道 255 的像素参与损失计算0 不参与中间灰度按 0~1 加权。适用场景只希望模型改变人物面部或主体不希望背景一并被学习时。场景实战从验证环境到远程训练的三条典型路径用仓库自带数据集跑通第一次 LoRA 训练目标30 分钟内确认环境装对产出第一个可用的 LoRA 文件。操作在 LoRA 标签页选一个 SD1.5 底模训练数据目录指向test/img里面的子文件夹10_darius kawasaki person表示 8 张图各重复学习 10 次最大分辨率设 512x512加载 presets/ 里一个 SD1.5 LoRA 预设开启每若干步出一次样本图。效果训练结束后得到若干检查点文件丢进任何支持 LoRA 的 WebUI用提示词darius kawasaki person验证是否学到了目标人物。给没有文字描述的图片批量生成标签目标手上只有图片、没有 .txt 描述文件无法直接开训。操作打开 GUI 的标注工具标签页BLIP 自然语言描述或 WD14 标签两种引擎权重首次自动下载或在命令行跑 tools/ 里的caption.py、tag_images_by_wd14_tagger.py脚本会在每张图旁生成同名 .txt。效果标签质量决定训练上限生成后抽查一遍再开训。远程 GPU 服务器上的 SSH 训练目标显卡在服务器、人在本地通过 SSH 加浏览器跑训练且不被弹窗卡死。操作启动命令加--headless例如./gui.sh --listen 0.0.0.0 --server_port 7860 --headless它会把界面里的本地文件夹选择按钮隐藏改手工输路径并跳过覆盖确认弹窗数据集放在应用目录之外时在config.toml的[server]段用allowed_paths放行对应目录。效果本地浏览器即可看到完整训练界面多卡多任务可再起一个 7861 端口的实例并行监控。避坑与排错kohya_ss 显存不足、卡住的常见原因与解决现象启动报错 No module called tkinter。原因当前 Python 安装缺少 tkinter 模块。解决重新安装对应版本的 PythonREADME 建议重装 3.10用 uv 方式安装的用户直接重跑gui-uv.bat/gui-uv.sh环境由脚本统一管理。现象Windows 上出现与 page file页面文件相关的错误。原因系统虚拟内存上限太小训练进程申请内存被拒。解决在 Windows 系统设置里调大页面文件/虚拟内存上限后重启训练。现象训练中 GPU 利用率明显偏低Tesla V100 上最常见。原因默认优化器与批大小没能喂满计算单元。解决换 AdamW8bit 优化器并增大 batch size可稳定到 70%~80% 利用率指定用哪块卡在 Accelerate Lora 标签页的 GPU IDs 里设置详见 docs/troubleshooting_tesla_v100.md。现象SSH 连到服务器启动后训练迟迟不开始或界面无响应。原因文件选择、覆盖确认等原生弹窗弹在服务器端无显示环境时进程被永久阻塞。解决启动命令加--headless日志中若缺少该参数会有明确警告提示。现象SDXL LoRA 训练结果异常、不稳定。原因SDXL 双文本编码器直接全量参与训练会引入干扰。解决勾选--network_train_unet_only只训 U-Net同时把最大分辨率设为至少 1024x1024SDXL 的标准训练分辨率。现象显存不足OOM报错。原因batch size 或分辨率相对显存过大。解决batch size 降到 1开启梯度检查点gradient checkpointing与 latent 缓存优化器选 8-bit 版本SD1.5 在 512x512 下配合这些选项可压到 8GB 以下SDXL 则建议直接准备 12GB 以上显卡。资源导航文档、预设与工具索引docs/Installation/按平台与 uv/pip 组合分的 4 份安装指南装环境前先查这里。docs/LoRA/top_level.mdSDXL LoRA 的参数基准——分辨率下限、推荐显存、Adafactor 学习率写法。config example.toml默认路径配置文件模板复制改名 config.toml 即可让界面记住你的模型与数据目录。presets/按训练类型分目录的预设参数模板lora/ 子目录 30 余个覆盖 SD1.5、SDXL、Flux.1。tools/标注、图像分组、LoRA 缩放、LCM 转换等辅助脚本配合 GUI 处理数据集用。examples/两阶段 LoRA 训练、批量标注等可直接参考的脚本示例。test/含 8 张图带 txt 描述的示例数据集与掩码损失样例专门用来验证环境。kohya_gui/各标签页的界面源码LoRA、标注、合并等功能模块都在这里。写在最后第一步克隆仓库、用gui-uv.bat或./gui.sh启动浏览器打开 7860 端口确认界面能出来。第二步用 test/ 里自带的数据集按 LoRA 预设跑通一次完整训练确认环境、显存和出图都正常后换成自己的图片从 presets/ 里挑一个对应底模的模板开始第一次真正的微调。【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