多机多卡训练SD系列模型（二）_kahya_ss 多卡训练

多机多卡训练SD系列模型（二）

前言

尝试使用Dreambooth的方式，所以迁到了kohya-trainer这个项目

Dreambooth

论文链接

https://arxiv.org/abs/2208.12242
1

代码链接

https://github.com/XavierXiao/Dreambooth-Stable-Diffusion
1

Dreambooth主要能用来训练一个特定对象的物体，比如一个叫TOM的猫，或者是个特定的动漫人物，通过搭配图片，tag，prompt，让特定的词与特殊的图像做绑定，来生成特定的物体。

Dreambooth既可以用来直接对底模微调，也可以作为一种方式来训练LoRA模型，通常会与正则化数据一起使用（非必需）。
相关内容在这里有中文文档

https://github.com/bmaltais/kohya_ss/tree/master
1

运行脚本

accelerate launch --num_cpu_threads_per_process 1 train_db.py 
    --pretrained_model_name_or_path=<.ckpt或.safetensord或Diffusers版模型的目录>
    --dataset_config=<数据准备时创建的.toml文件>
    --output_dir=<训练模型的输出目录>
    --output_name=<训练模型输出时的文件名>
    --save_model_as=safetensors 
    --prior_loss_weight=1.0 
    --max_train_steps=1600 
    --learning_rate=1e-6 
    --optimizer_type="AdamW8bit" 
    --xformers 
    --mixed_precision="fp16" 
    --cache_latents 
    --gradient_checkpointing
1
2
3
4
5
6
7
8
9
10
11
12
13
14

其中accelerate库可以指定各种训练配置，将在后续用作多级多卡训练
--num_cpu_threads_per_process 1是其中一个参数，

原文档中提到的prior_loss_weight个人认为比较看正则化数据的数量和质量，1.5上下也是不错的。

正则化数据是作为特定名称的后的类数据，比如：
训练一只叫lucky的狗，这个文件名可以取10_lucky dog，这里的10是图像重复次数，lucky是特定名称，而dog就是这个类，这个数据中就lucky的图像。

10_lucky dog
1_dog
1
2

1_dog就是正则化图像，数据就是全部不同种类的狗的数据，而前面的数字取值要大致为一张lucky，一张其他的狗也就是

训练数据重复次数*训练数据集图像 == 正则化数据重复次数*正则化数据集图像
1

比如12张lucky的图像，重复十次就有120张，如果正则化图像有60张，就重复两次。
注意尽量正则化图像不要包含训练图像，如果要训练的是一个大类，而且数据量很大，可以均分，然后一半做训练集，一半做正则集（具体会在kohya-trainer部分）

一般dreambooth微调出来的模型效果会很明显，并且过拟合很快，判断过拟合可以用生成图片质量如何，噪声含量来判断，如果微调后的底模质量骤降，就是过拟合了。

数据准备

dreambooth的数据准备主要分两部分，一个部分是数据集准备，一部分是文件命名，kohya_ss中提到了三种图文训练方式

这里首先是用到了class+identifier和caption的方法

数据集

首先按照要求训练的数据集和正则数据集依照NUM_NAME CLASS 这样的命名方式来取名后，（这里我才知道linux除了用单引号来使用含空格的文件名，比如/'a dog'还可以用/a\ dog反斜杠加空格来使用文件0.o）
然后就是对数据打标，其实建议用Deepbooru来给能明显形容的打标，这样也好check,不然就是一句一句看，正则化数据也是可以打标的，虽然会稍微增加训练时间，并且会对数据集要求更高，但是效果会好一些。
有些打标是默认以txt文件储存的，所以需要在配置文件中加上

--caption_extension = ".txt"
1

或者是在处理的时候以.caption格式

结果

最后储存的模型是依照.ckpt的格式来储存模型，可以用webui

选择需要测试的模型来测试，最好在达标的时候添加一些特定的触发词，可以用-来连接或者其他，比如a dog name lucky，触发词和txt2image的原理还没有过多了解。

总结

这次训练主要是因为环境中本身就已经用了lora-script的项目，很多环境是通用的，就直接从kohya_ss中拉下来train_db.py的文件直接跑了，上面还是有很多比如打标，剪裁，命名的步骤，这些在后面的项目中其实都可以省略了。后面会研究用dreambooth来训练lora，以免污染到底模。