Stable Diffusion XL webui dreambooth插件 Linux安装，训练LoRA（保姆级教程）_linux训练lora

Stable Diffusion XL webui dreambooth插件 Linux安装（保姆级教程）

前言

在安装这个插件之前，我已经安装了SDXL webui，tagger插件，具体安装操作可以参考之前的文章: SDXL webui、tagger插件。
之前已经安装了tagger插件，用来反推训练图像的提示词，接下来，我们可以利用dreambooth插件来训练我们的LoRA模型了。

安装

下载dreambooth仓库

只需在webui中的extensions下输入https://github.com/d8ahazard/sd_dreambooth_extension就可以了。
自动安装完后，如果linux终端出现以下信息：
一般是bitsandbytes包没有安装下来，可能是默认安装windows版本的，那我们自己手动安装即可：

pip install bitsandbytes==0.41.1 --target /stable-diffusion-webui/venv/lib/python3.10/site-packages/
1

--target是为了将其安装到SD webui的虚拟环境的路径下。

下载SDXL预训练模型其他文件

下载前注意

我这里是直接以SDXL为底模型，没有用C站上很火的其他模型来训练LoRA。
在训练LoRA要用到SDXL的tokenizer等文件，一般webui会自动下载，但是因为我这里的Linux服务器没有设代理，huggingface又被墙了，所以需自己手动下载。
dreambooth在训练以SDXL为底模的LoRA时，会加载两个tokenizer和两个text_encoder，建议用sdxl-base-1.0模型来训练，因为效果更好的sdxl-refiner-1.0的huggingface仓库只提供了tokenizer_2，text_encoder_2。

（PS:我之前想将base的tokenizer，text_encoder用到refiner上，但是会在线性层的维度上报错，暂时没有深究网络结构，所以不敢枉然修改，保险起见用base版本）

下载前准备

首先，在/stable-diffusion-webui/models/dreambooth/，新建一个文件，文件名就是你的LoRA模型名称，在该文件夹下新建一个working文件夹，用来存放下载的文件

cd /stable-diffusion-webui/models/dreambooth/
mkdir Your_LoRA_name
cd Your_LoRA_name
mkdir working
1
2
3
4

下载

然后对应下图，在sdxl-base-1.0仓库下载以下文件：

考虑到节省储存空间，vae、unet文件夹下的预训练模型，可以只下载safetensors文件。

敲黑板！！！
记得一定要完全按照仓库里的文件命名，不要自己随意修改。在下载文件夹里的文件时，文件命名似乎会默认加上文件夹的名称，比如，text_encoder文件夹中有个config.json文件，下载完后会变成text_encoder_config.json，自己要去掉前面的text_encoder_，如果不一样，会造成之后训练时会因为读取不到而报错。

至此，就安装完毕了。