LoRA学習用サンプルデータ

Kohya S.

LoRAの環境整備がうまく行っているか、学習を試すためのサンプルデータです。

サンプルデータ

作業ディレクトリを作成し、以下のzipを展開してください。

学習の手順

展開したディレクトリにmodel.ckptという名前で、学習対象のモデルをコピーします。
（シンボリックリンクでも構いません。）
（コピーしない場合は、以降のコマンド内の ..\model.ckpt をモデルファイルの所在で書き換えてください。.safetensorsも指定できます。）

そのディレクトリ内で https://github.com/kohya-ss/sd-scripts の手順に従い、環境整備を行ってください。

エクスプローラで見たとき、以下のようになればOKです。

sd-scriptsディレクトリ内で以下のコマンドを入力します（実際には1行で入力します）。
※VRAM 10GBを想定しています。それ未満の場合はtrain_batch_size=1としてください。

accelerate launch --num_cpu_threads_per_process 4 train_network.py 
    --pretrained_model_name_or_path=..\model.ckpt 
    --train_data_dir=..\train --reg_data_dir=..\reg --prior_loss_weight=1.0 
    --resolution 512 --output_dir=..\lora_output --output_name=cjgg_frog 
    --train_batch_size=4 --learning_rate=1e-4 --max_train_epochs 4 
    --use_8bit_adam --xformers --mixed_precision=fp16 --save_precision=fp16 
    --seed 42 --save_model_as=safetensors --save_every_n_epochs=1 
    --max_data_loader_n_workers=1 
    --network_module=networks.lora --network_dim=4 
    --training_comment="activate by usu frog"

以下のように学習が始まります。

しばらくすると以下のように終わります。

以下のように入力して試しに生成します。

python gen_img_diffusers.py --ckpt ..\model.ckpt --n_iter 1 --scale 7.5 --steps 40 
    --outdir ..\txt2img  --xformers --W 512 --H 512 --bf16 --sampler k_euler_a 
    --network_module networks.lora 
    --network_weights ..\lora_output\cjgg_frog.safetensors 
    --network_mul 1.0 --max_embeddings_multiples 3 --clip_skip 1 
    --batch_size 1 --images_per_prompt 1 --interactive

以下のように type prompt と出たら usu frog と入力します。

seedにもよりますが鳥獣戯画のカエルが出力されます。

画像ウインドウを選択して任意のキーを押すと画像ウインドウが閉じます。

Type prompt:でCtrl+Zを押し、エンターを押すと生成スクリプトを終了します。

学習したモデル

学習したモデルは以下になります（Stable Diffusion 1.5で学習）。

この記事が気に入ったらサポートをしてみませんか？