企业官网建设流程全解析

Kohya_SS 实操指南：从十几张照片到训练出你的第一个 LoRA 模型

【免费下载链接】kohya_ss项目地址: https://gitcode.com/GitHub_Trending/ko/kohya_ss

假设你手里有十几张同一角色的照片，想让 AI 学会画它，而不是每次都靠提示词碰运气。开源项目 Kohya_SS 就是为这件事而生的：它是一个基于 Gradio 图形界面的扩散模型训练工具，把 Kohya 的 SD 训练脚本包装成可视化操作，支持 LoRA、DreamBooth、微调、Textual Inversion 等训练方式，覆盖 Stable Diffusion 1.5/2.x、SDXL、SD3、Flux.1、Lumina、Anima、HunyuanImage 等主流基座模型。

下面我们就以一个真实目标为主线——用 Kohya_SS 训练一个角色 LoRA——把环境、数据、训练、调参走一遍。

三步把 Kohya_SS 跑起来

整个安装只有"装依赖"和"启动界面"两件事，仓库自带脚本处理完环境细节。

第一步，克隆代码：

git clone https://gitcode.com/GitHub_Trending/ko/kohya_ss cd kohya_ss

第二步，按系统运行安装脚本，它会自动创建虚拟环境并装好 PyTorch 等依赖：

# Linux / macOS bash setup.sh # Windows setup.bat

第三步，启动图形界面：

# Linux / macOS bash gui.sh # Windows gui.bat

启动后浏览器会自动打开http://localhost:7860，这就是 Kohya_SS 的 Gradio 操作界面；如果端口冲突，可以加--server_port 8080换一个端口。界面里的 LoRA、DreamBooth、Finetune 等标签页分别对应不同训练脚本，比如 LoRA 标签页背后实际执行的是train_network.py。如果你希望每次启动时路径都自动填好，可以把根目录的config example.toml复制为config.toml，把模型目录、输出目录等默认路径写进去，启动时会被自动加载。

训练材料怎么准备：图片目录 + 数据配置

开始训练前，先想清楚两件事：模型"要学什么"和"用什么描述它"。Kohya_SS 要求训练图片放在带命名规范的目录里，每张图旁边可以放一个同名.txt文件作为描述词（caption），告诉模型这张图里有什么。

目录结构长这样：

dataset/ ├── 10_my_character/ # 前缀 10 表示每张图片训练时重复 10 次 │ ├── shot_01.jpg │ ├── shot_01.txt # 内容如：1girl, red hair, blue dress │ ├── shot_02.jpg │ └── ... └── reg/ # 正则化图片（可选，防止过拟合）

几个要点值得说明：

• 图片数量：LoRA 训练 10~30 张高质量图片通常够用；图片格式支持.png、.jpg、.jpeg、.webp、.bmp，一般不需要预先缩放。
• 文件夹名的前缀数字（如10_）控制每张图的重复次数，小数据集适当提高重复次数可以加强特征学习。
• caption 的作用：写进.txt的内容（发色、服装、姿势等）会在训练中被"剥离"，之后你用新提示词描述这些内容时，模型只保留你没写进 caption 的特征——也就是角色本身。caption 越准确，剥离得越干净。
• 正则化图片（reg/目录）：放一批同类别的通用图片，帮助模型把"角色特征"和"普通女孩"区分开，减少概念漂移。

如果你要处理多组数据或精细控制分辨率、批大小，可以额外写一个.toml数据配置文件，然后在 GUI 里选择它。最小示例如下（完整说明见官方文档）：

[general] enable_bucket = true # 按宽高比分桶，混合不同比例的图片 [[datasets]] resolution = 1024 # SDXL 建议不低于 1024 batch_size = 1 [[datasets.subsets]] image_dir = "dataset/10_my_character" class_tokens = "mychar" # 标识符 + 类别

第一次 LoRA 训练：选模型、定参数、启动

材料备好后，我们进入 GUI 的LoRA标签页，按四个步骤走。

1. 选基础模型

在"Pretrained model name or path"填入你的 SDXL 模型文件路径（.safetensors格式）。基础模型决定了 LoRA 的能力边界：想学写实人像就选写实基座，想学动漫角色就选动漫基座。

2. 定关键参数

显存方面，SDXL LoRA 训练建议 12GB 起步。

3. 启动训练

点击"Start training"后，训练脚本在后台运行，界面会输出日志；日志目录里还有 TensorBoard 记录（默认端口 6006）可以看 loss 曲线。

4. 看结果

训练结束（或每 N 步）会在输出目录生成 LoRA 文件。把它放进 Stable Diffusion WebUI 等推理端加载，用标识符提示词（如mychar, 1girl）出几张图，和训练集对照：脸部特征稳定、能换姿势换服装，说明基本成功。

怎么判断结果好坏，以及异常信号

训练过程主要盯两个地方：loss 曲线和训练中的采样图。

• Loss 走势：正常情况是前几百步快速下降，随后缓慢趋稳。如果 loss 不降反升或剧烈抖动，通常是学习率过高或 caption 写错了。
• 采样图（如果启用了训练中采样）：每隔几十个 step 看一次。如果采样图里角色特征在某个 step 之后开始模糊、背景出现训练集里的元素，说明接近过拟合了——用save_every_n_epochs定期保存模型，回挑最早达标的那一个。
• loss 骤降为 0 附近：模型在"背答案"而不是学特征，减少训练量。

常用调节手段：loss 降得太慢就适当提高学习率或增加 epoch；出图总带训练集的服装背景，就检查 caption 是否漏写了这些元素；概念和提示词脱钩，可以试试clip_skip或在数据配置里加caption_dropout_rate让模型学会忽略部分描述。

进阶：其他训练方式和高级功能

除了 LoRA，Kohya_SS 还内置了几种路线，这里各给一句话定位：

• DreamBooth（train_db.py）：不需要 caption，用"标识符 + 类别词"训练特定角色，可配正则化图片，适合只有少张照片的场景。
• Finetune 全量微调（fine_tune.py）：直接改基础模型权重，学习容量最大但消耗也最大，适合有大量数据时注入整体风格。
• Textual Inversion：只训练一个新词对应的向量，模型几乎不变，适合给现有词表补充新概念。
• Masked loss 掩码损失：用二值化掩码图指定"只学哪些区域"，白色部分参与训练、黑色部分被忽略，适合只学服装或配饰。
• 模型工具：LoRA 之间的合并（merge）、提取、尺寸转换（resize）等功能都在工具标签页里，方便对多个 LoRA 做风格混合。

三个最常见的坑

坑一：显存不足（OOM）。现象是训练刚启动就报 CUDA out of memory。解法按代价从小到大：把train_batch_size降到 1 并用gradient_accumulation_steps累积梯度凑等效批大小；开启cache_latents缓存潜变量；调低最大分辨率（SD1.5 用 512，SDXL 尽量别低于 1024）；开启gradient_checkpointing用时间换显存。

坑二：过拟合。现象是 loss 降到极低，出图高度雷同、细节崩坏、换不动服装。解法：缩短训练步数、降低重复次数（减小文件夹名前缀数字）、加入正则化图片组、启用caption_dropout_rate，并利用定期保存回挑早停模型。

坑三：生成不稳定、和提示词脱钩。现象是有时出角色有时不出，特征时隐时现。解法：先核对 caption 与图片是否一致（错标签是最大元凶）；LoRA 权重别拉满，从 0.6~0.8 试起；CFG scale 用 5~7 的常规区间测试，过高会饱和发糊。

收尾：继续深入的路径

• 官方训练文档：数据组织、分桶、采样图、各脚本参数的完整说明
• LoRA 预设配置：一批社区分享的现成参数模板，改路径即可直接用
• 示例脚本：批处理 caption、数据整理等 PowerShell 脚本参考

从十几张照片到一个可复用的 LoRA，整个流程就是"目录规范 + 参数克制 + 早看早调"。先跑通最小数据集，再逐步加图片、调参数，你会比看十篇参数表更快摸清自己的角色该怎么练。

【免费下载链接】kohya_ss项目地址: https://gitcode.com/GitHub_Trending/ko/kohya_ss