SD-Trainer
lora-scripts
⭐⭐⭐☆☆ (3/5)
🧩 软硬件结合
已发布
项目简介
SD-Trainer. LoRA & Dreambooth training scripts & GUI use kohya-ss's trainer, for diffusion model.
LoRA（Low-Rank Adaptation）是一个专为文本到图像扩散模型（如Stable Diffusion）设计的高效微调开源项目。它解决了传统全参数微调方法的两大痛点：训练速度慢和模型文件过大。通过引入低秩适应技术，LoRA仅需训练模型权重矩阵的残差部分（ΔW），并将其分解为两个低秩矩阵A和B的乘积，从而大幅减少可训练参数量。相比Dreambooth方法，LoRA的训练速度可提升约一倍，而最终生成的模型文件极小（仅1MB至6MB），极大方便了社区分享与下载。
标签
项目特点
**一站式训练 WebUI**：提供完整的 Stable Diffusion 训练工作室，所有操作都在一个 Web 界面中完成。
**支持 LoRA 和 Dreambooth**：兼容两种主流的扩散模型微调方法。
**集成 TensorBoard**：内置训练过程可视化工具，方便监控训练进度和损失曲线。
**WD 1.4 Tagger**：自动为训练数据生成标签，简化数据准备流程。
**标签编辑器**：内置标签编辑功能，方便用户手动调整和优化标签。
**跨平台支持**：提供 Windows 和 Linux 的安装和运行脚本。
**一键部署**：自动创建虚拟环境并安装依赖，降低使用门槛。
技术规格
| 基础框架 | |
|---|---|
| 训练类型 | |
| 模型类型 | |
| Python 版本 | |
| 依赖管理 | |
| WebUI 端口 | |
| TensorBoard 端口 | |
| 支持系统 |
项目资源
物料清单 (BOM)
| 物料名称 | 数量 | 参考价格 | 备注 |
|---|---|---|---|
| Python 3.10 | 1 | — | 必需运行时 |
| Git | 1 | — | 用于克隆仓库 |
| GPU (NVIDIA 推荐) | 1 | — | 用于模型训练 |
| 足够的内存和存储 | 1 | — | 取决于模型大小 |
所需工具
| 工具 | 用途 | 是否必需 |
|---|---|---|
| Python 3.10 | 运行训练脚本和 GUI | ✅ 是 |
| Git | 克隆仓库和子模块 | ✅ 是 |
| GPU (NVIDIA) | 加速模型训练 | ✅ 是 |
| 终端/命令行 | 执行安装和运行脚本 | ✅ 是 |
能力画像
记忆与知识检索
1/5
逻辑推演
2/5
表达与交流
1/5
感知与观察
1/5
数理与计算
3/5
动手与操作
3/5
狂热与坚持
2/5
创造与创新
2/5
项目图库
所需技能
🔧 **动手能力**：能够按照文档执行命令行操作，安装 Python 和 Git，运行安装脚本。
💻 **编程能力**：基础的 Python 环境配置能力，能够编辑训练脚本（如 train.ps1 或 train.sh）中的参数。
⚡ **电子电路**：不涉及。
适用场景
对 Stable Diffusion 模型进行 LoRA 微调训练
使用 Dreambooth 方法训练个性化扩散模型
为 AI 艺术创作定制特定风格或角色的模型
研究和实验扩散模型的训练技术