赞
踩
这里基于kohya_ss的工程来部署,该webui既可以训练LoRA,还可以训练dreambooth,以及finetune。
首先重要的事说三遍:最好基于python3.10版本来安装依赖项!最好基于python3.10版本来安装依赖项!最好基于python3.10版本来安装依赖项!
首先克隆kohya_ss仓库
git clone https://github.com/bmaltais/kohya_ss.git
然后赋予权限,一键安装
cd kohya_ss
chmod +x ./setup.sh
./setup.sh
安装完以后,如果出现以下界面:
输入:
source venv/bin/activate
accelerate config
开始配置并行加速配置文件。
具体选项视自己情况而定,我的选择如下:
配置完后,输入命令:
./gui.sh
如果出现以下报错:
是因为该工程中,对于30系以上显卡,用了cuDNN加速,可能会出现LD_LIBRARY与cuDNN版本不兼容的
情况,在不改变系统原有环境变量的情况下,用export来改变环境变量
export LD_LIBRARY_PATH=""
重新执行./gui.sh
命令就可以了。
如果Linux服务器没有图形界面,或者想Windows本地访问webui,可以按以下方式修改设置:
在/kohya_ss/venv/lib/python3.10/site-packages/gradio/
文件夹下,找到networking.py,在28行左右,把默认IP改成服务器的IP
LOCALHOST_NAME = os.getenv("GRADIO_SERVER_NAME", "127.0.0.1")
改成
LOCALHOST_NAME = os.getenv("GRADIO_SERVER_NAME", "YOUR IP")
在121行左右也是同样的修改:
server_name = server_name or LOCALHOST_NAME
改成
server_name = "YOUR IP"
至此,就可以打开训练的webui界面了。
这部分主要阐述对于服务器没有魔法,如何加载huggingface上的预训练模型。
由于训练的时候会用到clip-vit-large-patch14
预训练模型,所以首先在huggingface上下载相关文件(链接)。
然后,修改sdxl_train_util.py文件,其位于"/kohya_ss/library/sdxl_train_util.py"
。在141行左右修改
tokenizer = CLIPTokenizer.from_pretrained(original_path)
修改为存放clip-vit-large-patch14
的本地路径:
tokenizer = CLIPTokenizer.from_pretrained("YOUR LOCAL PATH")
至此,完成!
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。