企业官网建设流程全解析

kohya_ss LoRA训练快速入门：6种微调方式全图形化

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

kohya_ss 是一款基于 Gradio 的图形界面工具，把 Kohya 的扩散模型训练脚本包装成了网页界面，覆盖 LoRA、Dreambooth、全量微调等 6 种训练方式。想用自己的图片训练 LoRA 却不想写命令行的你，跟着本文走一遍就能出第一个模型。

🎯 它能做什么：训练方式一览

图形化界面：训练参数全部做成表单，你不用记命令行也能跑训练。

6 种训练方式：支持 LoRA、LoHa、LoKr、Dreambooth、全量微调和 Textual Inversion，还能做 LECO 概念擦除。

覆盖主流底模：SD 1.5、SDXL、SD3、Flux.1，以及 Lumina Image 2.0、Anima、HunyuanImage-2.1 都可以作为训练基础。

kohya_ss 训练集文件夹结构示例，数字前缀表示图片重复次数：


📦 硬件门槛与4步部署

本地安装四步走

第一步，装好 Python、Git 和 CUDA 12.8。Windows 用户记得勾选 "Add to PATH"。

第二步，克隆仓库：

git clone --recursive https://gitcode.com/GitHub_Trending/ko/kohya_ss

第三步，Linux 或 macOS 先运行环境脚本：./setup.sh。

第四步，启动界面：Windows 运行gui-uv.bat，Linux 运行./gui.sh，浏览器会自动打开 kohya_ss 界面。Windows 下脚本会自动处理依赖，可跳过第三步。

🔧 LoRA首次训练三步走

刚打开界面，第一件事是准备数据集。

数据集文件夹怎么组织

把图片放进以数字开头的子文件夹，前缀数字代表每张图的重复次数。每张图片旁边放一个同名的.txt标签文件，标签会优先于文件夹名生效：

images/ └── 30_cat/ ├── image1.jpg └── image1.txt

打开LoRA标签页开始训练

在 LoRA 标签页里选底模和数据集路径，设置rank、learning_rate、batch_size，优化器拿不准就选AdamW8bit更省显存。点击开始训练后，kohya_ss 会按设定周期生成样图供你检查效果。训练结束后，.safetensors格式的 LoRA 文件会出现在输出目录，可以直接加载到绘图工具里使用。

📦 按显存档位选训练方案

LoRA 不是唯一选项，LoHa 与 LoKr 能更省参数地控制模型；保存精度选fp16或bf16也能让文件更小。

🔍 训练报错速查

现象：训练中途崩溃，日志提示显存溢出。根因：分辨率、batch 或精度超出显存预算。解法：打开 gradient checkpointing，优化器换 8bit 版本，batch_size降回 1。

现象：远程 SSH 训练点开始后一直卡住。根因：未加--headless，界面弹窗在无显示的服务器上等待输入。解法：改用./gui.sh --listen 0.0.0.0 --server_port 7860 --headless启动。

现象：启动报No module called tkinter。根因：Python 环境不完整。解法：重装 Python 3.10.9 再跑一次环境脚本。

📌 延伸学习与下一步

官方文档入口：LoRA 训练指南、LoRA 参数详解、微调指南。

下一步建议先通读参数详解，弄懂rank、epoch、optimizer各自的作用，再照着 presets/lora 预设目录 里现成的学习率与优化器组合开练。打开界面，挑一个文件夹，开始你的第一次 kohya_ss LoRA 训练吧。

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