Facechain系列：命令行进行LoRA训练

本文主要是介绍Facechain系列：命令行进行LoRA训练，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

FaceChain也支持在python环境中直接运行脚本进行训练和推理。为了避免人物肖像的版权问题，文章中使用的图片不是由FaceChain实际生成的图片，特此说明。

在克隆facechain源文件（克隆方法可以看这里Facechain系列: 独立安装）后的文件夹中新建一个imgs目录，将训练使用的人物照片保存在该目录下，然后执行直接运行如下命令来进行训练：

accelerate launch 

facechain/train_text_to_image_lora.py 

--pretrained_model_name_or_path="ly261666/cv_portrait_model" #modelscope初始训练模型

--revision="v2.0" 

--sub_path="film/film" #这个目录在modelscope的缓存目录中

--dataset_name="./imgs" 

--output_dataset_name="./processed" #在processed目录下可以看到训练使用的人物照片

--output_dir="./output"   #训练完成后，在output目录下会生成pytorch_lora_weights.bin文件，可用于后续推理使用。  

--caption_column="text"  

--resolution=512 

--random_flip 

--train_batch_size=1 

--num_train_epochs=200 

--checkpointing_steps=5000 

--learning_rate=1.5e-04 

--lr_scheduler="cosine" 

--lr_warmup_steps=0  

--seed=42 

--lora_r=4 

--lora_alpha=32 

--lora_text_encoder_r=32 

--lora_text_encoder_alpha=32 

--resume_from_checkpoint='fromfacecommon'

说明：

在processed_labeled目录下可以看到经过处理分析，可以使用的人物照片的轮廓图。如果处理时发现原始图片无法用于训练，比如照片中出现多个人脸，就不会出现在这个目录中。

这篇关于Facechain系列：命令行进行LoRA训练的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---