【深度学习】StabelDiffusion,Lora训练过程,秋叶包,Linux,SDXL Lora训练

2024-04-26 07:36

本文主要是介绍【深度学习】StabelDiffusion,Lora训练过程,秋叶包,Linux,SDXL 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!

文章目录

        • 一、环境搭建指南
        • 二、个性化安装流程
        • 三、启动应用
        • 四、打开web
        • 五、开始训练

19.27服务器

一、环境搭建指南

打造一个高效且友好的开发环境,我们推荐使用以下简洁明了的中文资源:

  • 项目源码获取
    通过以下命令轻松克隆项目及所有子模块至您的Linux系统:

    git clone --recurse-submodules https://github.com/Akegarasu/lora-scripts
    
  • 配置调整
    清除默认的pip源,以便更灵活地管理包依赖:

    pip config unset global.index-url
    
  • 环境部署
    进入项目目录,尝试一键安装环境(若遇问题,后续有详细分步指南):

    cd lora-scripts
    bash install.bash
    
  • pip升级
    确保pip版本最新,以兼容所有依赖安装:

    venv/bin/python3 -m pip install --upgrade pip
    
二、个性化安装流程

遇到安装脚本问题?无需担心,以下是一步步的手动安装教程:

  1. 创建虚拟环境
    使用conda快速建立隔离的Python环境,并激活它:

    conda create -n Akegarasu python=3.10 -y
    conda activate Akegarasu
    
  2. 安装PyTorch与torchvision
    根据您的CUDA版本,定制化安装PyTorch等关键包。请将{CUDA版本}替换为实际值,如cu121

    pip install torch==2.2.1+{CUDA版本} torchvision==0.17.1+{CUDA版本} --extra-index-url https://download.pytorch.org/whl/{CUDA版本}
    

    或使用conda安装固定版本(示例中为CUDA 12.1):

   
我的就是
conda install pytorch==2.2.0 torchvision==0.17.0 torchaudio==2.2.0 pytorch-cuda=12.1 -c pytorch -c nvidia -y
  1. 添加xformers
    如需xformers,可选用以下任一方式安装,确保指定了正确的CUDA版本:

    pip install --no-deps xformers==0.0.24 --extra-index-url https://download.pytorch.org/whl/{CUDA版本}
    

    或直接从GitHub安装特定提交版本:

    pip install --upgrade git+https://github.com/facebookresearch/xformers.git@commit_hash_here
    
  2. 安装额外依赖
    分别进入sd-scripts目录和其他需要的目录,逐一安装依赖:

    cd sd-scripts
    pip install -r requirements.txt
    cd ..
    pip install -r requirements.txt
    
三、启动应用

一切就绪后,通过以下命令启动您的应用,享受便捷的本地访问:

python gui.py --host "0.0.0.0" --port 7874

更多启动参数详情,请参考附图链接(请注意,原链接图片无法直接展示,您需点击链接查看具体参数说明):

在这里插入图片描述

四、打开web

http://10.136.19.27:7874/

专家模式,选择model为/ssd/xiedong/sdmodels/models/Stable-diffusion/sd_xl_base_1.0_0.9vae.safetensors

在这里插入图片描述
/ssd/xiedong/lora-scripts/yifei/ 已经是我标注好的数据,图片和对应的txt文件。

在这里插入图片描述
取名字:

在这里插入图片描述

在这里插入图片描述

这个不开不行:

在这里插入图片描述

选2张卡:

在这里插入图片描述

五、开始训练

在这里插入图片描述

在这里插入图片描述
训练后的lora文件在output中。

这篇关于【深度学习】StabelDiffusion,Lora训练过程,秋叶包,Linux,SDXL 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!



http://www.chinasem.cn/article/936963

相关文章

Linux进程CPU绑定优化与实践过程

《Linux进程CPU绑定优化与实践过程》Linux支持进程绑定至特定CPU核心,通过sched_setaffinity系统调用和taskset工具实现,优化缓存效率与上下文切换,提升多核计算性能,适... 目录1. 多核处理器及并行计算概念1.1 多核处理器架构概述1.2 并行计算的含义及重要性1.3 并

Spring boot整合dubbo+zookeeper的详细过程

《Springboot整合dubbo+zookeeper的详细过程》本文讲解SpringBoot整合Dubbo与Zookeeper实现API、Provider、Consumer模式,包含依赖配置、... 目录Spring boot整合dubbo+zookeeper1.创建父工程2.父工程引入依赖3.创建ap

Linux线程之线程的创建、属性、回收、退出、取消方式

《Linux线程之线程的创建、属性、回收、退出、取消方式》文章总结了线程管理核心知识:线程号唯一、创建方式、属性设置(如分离状态与栈大小)、回收机制(join/detach)、退出方法(返回/pthr... 目录1. 线程号2. 线程的创建3. 线程属性4. 线程的回收5. 线程的退出6. 线程的取消7.

Linux下进程的CPU配置与线程绑定过程

《Linux下进程的CPU配置与线程绑定过程》本文介绍Linux系统中基于进程和线程的CPU配置方法,通过taskset命令和pthread库调整亲和力,将进程/线程绑定到特定CPU核心以优化资源分配... 目录1 基于进程的CPU配置1.1 对CPU亲和力的配置1.2 绑定进程到指定CPU核上运行2 基于

golang程序打包成脚本部署到Linux系统方式

《golang程序打包成脚本部署到Linux系统方式》Golang程序通过本地编译(设置GOOS为linux生成无后缀二进制文件),上传至Linux服务器后赋权执行,使用nohup命令实现后台运行,完... 目录本地编译golang程序上传Golang二进制文件到linux服务器总结本地编译Golang程序

Linux下删除乱码文件和目录的实现方式

《Linux下删除乱码文件和目录的实现方式》:本文主要介绍Linux下删除乱码文件和目录的实现方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录linux下删除乱码文件和目录方法1方法2总结Linux下删除乱码文件和目录方法1使用ls -i命令找到文件或目录

Linux在线解压jar包的实现方式

《Linux在线解压jar包的实现方式》:本文主要介绍Linux在线解压jar包的实现方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录linux在线解压jar包解压 jar包的步骤总结Linux在线解压jar包在 Centos 中解压 jar 包可以使用 u

linux解压缩 xxx.jar文件进行内部操作过程

《linux解压缩xxx.jar文件进行内部操作过程》:本文主要介绍linux解压缩xxx.jar文件进行内部操作,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、解压文件二、压缩文件总结一、解压文件1、把 xxx.jar 文件放在服务器上,并进入当前目录#

Linux系统性能检测命令详解

《Linux系统性能检测命令详解》本文介绍了Linux系统常用的监控命令(如top、vmstat、iostat、htop等)及其参数功能,涵盖进程状态、内存使用、磁盘I/O、系统负载等多维度资源监控,... 目录toppsuptimevmstatIOStatiotopslabtophtopdstatnmon

在Linux中改变echo输出颜色的实现方法

《在Linux中改变echo输出颜色的实现方法》在Linux系统的命令行环境下,为了使输出信息更加清晰、突出,便于用户快速识别和区分不同类型的信息,常常需要改变echo命令的输出颜色,所以本文给大家介... 目python录在linux中改变echo输出颜色的方法技术背景实现步骤使用ANSI转义码使用tpu