Kohya_SS AI 绘画模型训练实战指南
为什么选择 Kohya_SS？
Kohya_SS 提供了直观的图形界面，简化了从数据准备到模型训练的流程。
核心优势
一键启动：运行 gui.bat 或 gui.sh 即可打开训练控制台。
全流程支持：支持图片预处理、描述生成等工具链。
兼容性：适配 SDXL、Flux 等多种模型，支持 LoRA、DreamBooth。
环境搭建
获取代码
git clone <repository_url>
cd kohya_ss
安装依赖
- Windows 用户：运行 setup.bat
- Linux 用户：运行 setup.sh
启动界面
- Windows：运行 gui.bat
- Linux：运行 gui.sh
数据准备
推荐的数据集结构如下：
你的数据集/
├── 10_我的角色/
│ ├── 图片 1.jpg
│ ├── 图片 1.txt
│ └── ...
└── reg_images/
└── ...
文件夹名称包含重复次数和标识符，有助于模型学习特征。
参数调优
学习率设置
LoRA 训练建议 2e-4 到 5e-4，DreamBooth 可以稍微低一些。
迭代次数选择
LoRA 通常 500-2000 步，DreamBooth 需要 800-1500 步。
高级技巧
掩码损失训练
通过二值化掩码图，告诉模型哪些区域需要重点学习。
应用场景：
- 精确控制角色面部特征
- 优化复杂场景中的细节生成
- 防止模型学习到不想要的背景元素
常见问题
显存不足
降低训练分辨率、启用梯度累积、使用 xformers 加速。
模型过拟合
增加正则化图片比例、减少训练步数、调整学习率衰减策略。
资源参考
项目中的 docs 目录提供了完整的训练指南，presets 目录下有配置模板。examples 目录中包含实用的训练脚本。
