【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

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

浅析Spring Security认证过程

类图 为了方便理解Spring Security认证流程,特意画了如下的类图,包含相关的核心认证类 概述 核心验证器 AuthenticationManager 该对象提供了认证方法的入口,接收一个Authentiaton对象作为参数; public interface AuthenticationManager {Authentication authenticate(Authenti

作业提交过程之HDFSMapReduce

作业提交全过程详解 (1)作业提交 第1步:Client调用job.waitForCompletion方法,向整个集群提交MapReduce作业。 第2步:Client向RM申请一个作业id。 第3步:RM给Client返回该job资源的提交路径和作业id。 第4步:Client提交jar包、切片信息和配置文件到指定的资源提交路径。 第5步:Client提交完资源后,向RM申请运行MrAp

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

linux-基础知识3

打包和压缩 zip 安装zip软件包 yum -y install zip unzip 压缩打包命令: zip -q -r -d -u 压缩包文件名 目录和文件名列表 -q:不显示命令执行过程-r:递归处理,打包各级子目录和文件-u:把文件增加/替换到压缩包中-d:从压缩包中删除指定的文件 解压:unzip 压缩包名 打包文件 把压缩包从服务器下载到本地 把压缩包上传到服务器(zip

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

Linux 网络编程 --- 应用层

一、自定义协议和序列化反序列化 代码: 序列化反序列化实现网络版本计算器 二、HTTP协议 1、谈两个简单的预备知识 https://www.baidu.com/ --- 域名 --- 域名解析 --- IP地址 http的端口号为80端口,https的端口号为443 url为统一资源定位符。CSDNhttps://mp.csdn.net/mp_blog/creation/editor

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal