kohya_ss 完整上手指南1 小时从零训出第一个 LoRA 模型【免费下载链接】kohya_ss项目地址: https://gitcode.com/GitHub_Trending/ko/kohya_ss手头只有十几张红熊猫照片却想让 Stable Diffusion 稳定画出这种特定形象kohya_ss 就是为此设计的一个免费的 Stable Diffusion 训练图形界面把 LoRA 训练里的几十个参数全部变成输入框、滑块和复选框。跟着这篇指南走一次就能跑通从素材到成品模型的全流程。️ kohya_ss 训练界面能帮你做什么先说清楚它能覆盖什么再决定从哪里开始。五种训练模式共用一个界面LoRA、LoHa、LoKr、Dreambooth 和 Textual Inversion对应kohya_gui/lora_gui.py、kohya_gui/dreambooth_gui.py等各自独立的标签页。社区调好的预设可以直接套presets/lora/目录里按 SD1.5 和 SDXL 分好了几十套现成参数比如SDXL - LoRA adafactor v1.0.json。基础模型覆盖面广SD 1.5/2.x、SDXL、SD3、Flux.1、Lumina Image 2.0、Anima、HunyuanImage-2.1 都支持见README.md的 Key features 一节。训练前后的杂活有现成脚本自动标注在tools/caption.py把常用参数存成预设 JSON 的脚本是tools/prepare_presets.py。 kohya_ss 安装与启动最短路径从下载界面到打开浏览器只要三条命令。第一步在终端把仓库拉到本地git clone --recursive https://gitcode.com/GitHub_Trending/ko/kohya_ss cd kohya_ss第二步Linux 或 macOS 用户运行./gui-uv.shWindows 用户双击gui-uv.bat。脚本会自动装好 Python 依赖不需要手动管版本和库冲突。第三步浏览器访问本地服务地址确认各标签页能点开。到这一步后面所有操作都在界面上完成终端可以关掉。 完整任务走一遍给红熊猫训一个 LoRA用test/img/里的样例图就能完整走一遍流程。数据准备test/img/10_darius kawasaki person/就是标准样例数据集——每张图片旁边有一个同名.txt标签文件。换成自己的素材时照这个结构来10-20 张照片放进一个文件夹每张图都配一个标签文件尺寸统一 512 像素起步。配置加载打开 LoRA 标签页加载presets/lora/SDXL - LoRA adafactor v1.0.json这类预设把保存名称改成red_panda_v1其余先不动。训练启动确认数据目录、基础模型路径无误后点击开始训练。10 张图跑 10-30 个 epoch普通显卡大约 30 到 60 分钟期间盯着采样图模型每训一段就会自动生成一张预览。效果验收训练结束后输出目录里会有.safetensors权重文件。把它挂到 ComfyUI 或 WebUI 里用同一批提示词试生成再对比 0.5 和 0.8 两档强度的出图确认风格学到了、又没有把原模型的通用能力带偏。参数想细调的话对照docs/train_network_README.md逐项看不必一次全懂。 kohya_ss 训练效果不对时的排查思路出问题的地方基本逃不出这三类按现象对号入座。现象出图模糊、不像目标风格。可能原因标签和图片对不上最常见图里没写进标签的关键特征学不进去、学习率偏高、或训练步数太少。对策把每张图的标签逐张核对一遍把学习率降到预设值的一半再试先用 5 张图跑 10 个 epoch 做小验证再正式训练。现象训练中途报错显存不足OOM。可能原因分辨率和 batch size 叠在一起超出了显存。对策把训练分辨率降到 512batch size 设为 1打开 8bit 优化器和梯度检查点这四项在 LoRA 标签页里都能直接找到。现象loss 不降反跳采样图一张比一张糟。可能原因学习率太大、数据里混进了风格杂乱的图。对策按上两条降学习率并清掉风格偏差明显的图片从头重跑。⚙️ 两个省时间的进阶配置50 张图以上别手写标签tools/caption.py可以用 BLIP 或 WD14 模型批量生成初版标签生成后再人工修订比逐张手写省一半时间。自己的参数存成预设把调好的界面参数保存成 JSON放进presets/lora/user_presets/以后换数据集直接加载不用每次重填几十个框。下一步现在挑出 10 张同一主体的图统一 512 像素、各配一个.txt标签放进一个新文件夹——数据集就绪后按上面三步就能开始第一次训练。【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