关于【Stable-Diffusion WEBUI】方方面面研究（内容索引）

发布时间：2023-05-23 文章分类：WEB开发, 电脑百科 投稿人：赵颖 字号： 默认 | 大 | 超大 打印

文章目录

  • （零）前言
    • （0.1）我的相关文章索引
    • （0.2）本篇内容阅读提示
  • （一）绘图
    • （1.1）模型
      • （1.1.1）基础模型（Stable-diffusion模型）
      • （1.1.2）人物模型（LoRA模型）
    • （1.2）绘图方式
      • （1.2.1）文生图（Text to Image）
        • （1.2.1.1）提示词/模板风格（Prompt / Styles）
        • （1.2.1.2）采样（Sampling）
        • （1.2.1.3）修复（Restore or Fix）
        • （1.2.1.4）其它参数
        • （1.2.1.5）插件：可选附加网络(LoRA插件)（Additional networks）
        • （1.2.1.6）插件：ControlNet
        • （1.2.1.7）脚本（Script）
      • （1.2.2）图生图（Image to Image）
      • （1.2.3）图片处理（附加功能:放大/抠图等）
  • （二）训练
    • （2.1）数据准备
    • （2.1.1）筛选照片
      • （2.1.2）预处理照片
      • （2.1.3）提示词(tags)处理
      • （2.1.4）目录命名
    • （2.2）训练工具
      • （2.2.1）选你喜欢的
      • （2.2.2）训练参数
      • （2.2.3）训练过程（例）
      • （2.2.4）训练结果

（零）前言

关于Stable-Diffusion WEBUI，我发现网上各种教程真的很多。
写得很好很详细的也不少，读了感觉比我写的好多了，无论是原理和相关论文还是操作和细节。
所以准备记录下Stable-Diffusion WEB UI的方方面面，以及哪里去看相关的资料。

同时自己写的东西也有点乱，得整理一下。呃在整理完以前，本篇还是会包含不少具体的内容。
这篇Index应该会不断的补充。

（0.1）我的相关文章索引

Connected with DFL：

Develop with API:

Connected with Photoshop：

（0.2）本篇内容阅读提示

（一）绘图

（1.1）模型

（1.1.1）基础模型（Stable-diffusion模型）

根据你绘图的目标，需要选择一种基础模型，人物/风景/建筑/宇宙/动漫/仿真？
参考：🔗xiaolxl的国风3@抱脸，请自行了解huggingface.co上的模型。比如但不局限于：

（1.1.2）人物模型（LoRA模型）

注意版权，比如各地girllikeness模型……

（1.2）绘图方式

（1.2.1）文生图（Text to Image）

（1.2.1.1）提示词/模板风格（Prompt / Styles）

（1.2.1.2）采样（Sampling）

（1.2.1.3）修复（Restore or Fix）

（1.2.1.4）其它参数

💡做到这里就可以生成图片了。

（1.2.1.5）插件：可选附加网络(LoRA插件)（Additional networks）

⭐需要在WEBUI中安装插件。
用于对比各种参数生成图的不同效果（测试模型）
正常使用时不用，参考：Stable diffusion打造自己专属的LORA模型

（1.2.1.6）插件：ControlNet

⭐需要在WEBUI中安装插件。
🌟需要下载多个不同模型。

💡插件版本升级较大，新的内容请参考：🔗探索【Stable-Diffusion WEBUI】的插件：ControlNet 1.1

用模型进一步控制生成的图片内容，
可用多种算法检测已有图片的边缘，深度，身体手部姿态。或则来自涂鸦，生成新的图片。

需要精确控制图片输出时使用，参考：ControlNet｜使用教程
比如（很多控制，这里只放2个例子，简单看看吧）：

配合ControlNet，可用骨骼姿态的插件来生成/编辑骨骼姿态图片，控制最终生成的图像中人物的动作：
可以参考这篇： 🔗探索【Stable-Diffusion WEBUI】的插件：骨骼姿态（OpenPose）

（1.2.1.7）脚本（Script）

（1.2.2）图生图（Image to Image）

和上面文生图一样，只是多了从某一张已有的图片出发。
也引入了 局部重绘 等功能（比如出了一张很满意的图，但是小部分画错了）。
相对局部重绘，还有画布扩绘脑部图片外围内容，甚至做成缩放视频。
参考：🔗探索【Stable-Diffusion WEBUI】的插件：画布扩绘（Outpaint）

（1.2.3）图片处理（附加功能:放大/抠图等）

文生图/图生图以外的功能。
为了避免索引过长，这部分内容单独出去了。
参考：🔗探索【Stable-Diffusion WEBUI】的附加功能：图片缩放&抠图

（二）训练

基础模型（大模型）没有条件，这里提到的仅是LoRA模型。

（2.1）数据准备

（2.1.1）筛选照片

这部分感觉比深度伪造（deep fake）要轻松多了。

（2.1.2）预处理照片

用WEB UI的 训练 -> 预处理 标签页的功能，

（2.1.3）提示词(tags)处理

如果背景并不是很乱，发型配饰上没有个人特色，那么可以不处理：）哈哈。
算了😮‍💨，还是认真写两句：

（2.1.4）目录命名

刚才提到预处理后的目录叫 .\xxxxx\100_xxxxx。

（2.2）训练工具

（2.2.1）选你喜欢的

  1. https://github.com/bmaltais/kohya_ss （WEB UI）
  2. https://github.com/Akegarasu/lora-scripts （脚本）

实际上都是调用的kohya_ss的sd-scripts。
我比较倾向用脚本那个项目来训练。写配置文件反而比较简单，WEB UI在训练这块用处不大。

两个建议：

  1. 用别人做好的整合包和教程，比如脚本训练用：https://www.bilibili.com/video/BV1fs4y1x7p2
  2. Python下载依赖时一定要换国内源，比如清华大学的：-i https://pypi.tuna.tsinghua.edu.cn/simple 。当然整合包的话已经换好了，否则可以参考我吐槽下载速度这块，实在慢到吐血（习惯了，Linux，Go，Python哪个不换国内源呢）。

（2.2.2）训练参数

我用的是lora-scripts，训练脚本train.ps1必须得改的几个参数：

完整如下（参数可能改动和变化，和项目版本有关）：

# LoRA train script by @Akegarasu
# Train data path | 设置训练用模型、图片
$pretrained_model = "./sd-models/model.ckpt" # base model path | 底模路径
$is_v2_model = 0 # SD2.0 model | SD2.0模型 2.0模型下 clip_skip 默认无效
$parameterization = 0 # parameterization | 参数化 本参数需要和 V2 参数同步使用 实验性功能
$train_data_dir = "./train/aki" # train dataset path | 训练数据集路径
$reg_data_dir = "" # directory for regularization images | 正则化数据集路径，默认不使用正则化图像。
# Network settings | 网络设置
$network_module = "networks.lora" # 在这里将会设置训练的网络种类，默认为 networks.lora 也就是 LoRA 训练。如果你想训练 LyCORIS（LoCon、LoHa） 等，则修改这个值为 lycoris.kohya
$network_weights = "" # pretrained weights for LoRA network | 若需要从已有的 LoRA 模型上继续训练，请填写 LoRA 模型路径。
$network_dim = 32 # network dim | 常用 4~128，不是越大越好
$network_alpha = 32 # network alpha | 常用与 network_dim 相同的值或者采用较小的值，如 network_dim的一半 防止下溢。默认值为 1，使用较小的 alpha 需要提升学习率。
# Train related params | 训练相关参数
$resolution = "512,512" # image resolution w,h. 图片分辨率，宽,高。支持非正方形，但必须是 64 倍数。
$batch_size = 1 # batch size
$max_train_epoches = 10 # max train epoches | 最大训练 epoch
$save_every_n_epochs = 2 # save every n epochs | 每 N 个 epoch 保存一次
$train_unet_only = 0 # train U-Net only | 仅训练 U-Net，开启这个会牺牲效果大幅减少显存使用。6G显存可以开启
$train_text_encoder_only = 0 # train Text Encoder only | 仅训练 文本编码器
$stop_text_encoder_training = 0 # stop text encoder training | 在第N步时停止训练文本编码器
$noise_offset = 0 # noise offset | 在训练中添加噪声偏移来改良生成非常暗或者非常亮的图像，如果启用，推荐参数为 0.1
$keep_tokens = 0 # keep heading N tokens when shuffling caption tokens | 在随机打乱 tokens 时，保留前 N 个不变。
$min_snr_gamma = 0 # minimum signal-to-noise ratio (SNR) value for gamma-ray | 伽马射线事件的最小信噪比（SNR）值  默认为 0
# Learning rate | 学习率
$lr = "1e-4"
$unet_lr = "1e-4"
$text_encoder_lr = "1e-5"
$lr_scheduler = "cosine_with_restarts" # "linear", "cosine", "cosine_with_restarts", "polynomial", "constant", "constant_with_warmup"
$lr_warmup_steps = 0 # warmup steps | 学习率预热步数，lr_scheduler 为 constant 或 adafactor 时该值需要设为0。
$lr_restart_cycles = 1 # cosine_with_restarts restart cycles | 余弦退火重启次数，仅在 lr_scheduler 为 cosine_with_restarts 时起效。
# Output settings | 输出设置
$output_name = "aki" # output model name | 模型保存名称
$save_model_as = "safetensors" # model save ext | 模型保存格式 ckpt, pt, safetensors
# Resume training state | 恢复训练设置  
$save_state = 0 # save training state | 保存训练状态 名称类似于 <output_name>-??????-state ?????? 表示 epoch 数
$resume = "" # resume from state | 从某个状态文件夹中恢复训练 需配合上方参数同时使用 由于规范文件限制 epoch 数和全局步数不会保存 即使恢复时它们也从 1 开始 与 network_weights 的具体实现操作并不一致
# 其他设置
$min_bucket_reso = 256 # arb min resolution | arb 最小分辨率
$max_bucket_reso = 1024 # arb max resolution | arb 最大分辨率
$persistent_data_loader_workers = 0 # persistent dataloader workers | 容易爆内存，保留加载训练集的worker，减少每个 epoch 之间的停顿
$clip_skip = 2 # clip skip | 玄学 一般用 2
$multi_gpu = 0 # multi gpu | 多显卡训练 该参数仅限在显卡数 >= 2 使用
$lowram = 0 # lowram mode | 低内存模式 该模式下会将 U-net 文本编码器 VAE 转移到 GPU 显存中 启用该模式可能会对显存有一定影响
# 优化器设置
$optimizer_type = "AdamW8bit" # Optimizer type | 优化器类型 默认为 8bitadam，可选：AdamW AdamW8bit Lion SGDNesterov SGDNesterov8bit DAdaptation AdaFactor
# LyCORIS 训练设置
$algo = "lora" # LyCORIS network algo | LyCORIS 网络算法 可选 lora、loha、lokr、ia3、dylora。lora即为locon
$conv_dim = 4 # conv dim | 类似于 network_dim，推荐为 4
$conv_alpha = 4 # conv alpha | 类似于 network_alpha，可以采用与 conv_dim 一致或者更小的值
$dropout = "0"  # dropout | dropout 概率, 0 为不使用 dropout, 越大则 dropout 越多，推荐 0~0.5， LoHa/LoKr/(IA)^3暂时不支持

（2.2.3）训练过程（例）

相比深度伪造(训练N天)来说，这个训练(N分钟)简直太轻松了。
当然功劳是LoRA模型，之前训练过嵌入式模型也很痛苦的。

prepare tokenizer
update token length: 225
Use DreamBooth method.
prepare images.
found directory train\xxxxx\10_xxxxx contains 40 image files
400 train images with repeating.
0 reg images.
no regularization images / 正則化画像が見つかりませんでした
[Dataset 0]
  batch_size: 1
  resolution: (576, 768)
  enable_bucket: True
  min_bucket_reso: 256
  max_bucket_reso: 1024
  bucket_reso_steps: 64
  bucket_no_upscale: False
  [Subset 0 of Dataset 0]
    image_dir: "train\xxxxx\10_xxxxx"
    image_count: 40
    num_repeats: 10
    shuffle_caption: True
    keep_tokens: 0
    caption_dropout_rate: 0.0
    caption_dropout_every_n_epoches: 0
    caption_tag_dropout_rate: 0.0
    color_aug: False
    flip_aug: False
    face_crop_aug_range: None
    random_crop: False
    token_warmup_min: 1,
    token_warmup_step: 0,
    is_reg: False
    class_tokens: xxxxx
    caption_extension: .txt
[Dataset 0]
loading image sizes.
100%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 40/40 [00:00<00:00, 5000.66it/s]
make buckets
number of images (including repeats) / 各bucketの画像枚数（繰り返し回数を含む）
bucket 0: resolution (576, 768), count: 400
mean ar error (without repeats): 0.0
prepare accelerator
Using accelerator 0.15.0 or above.
loading model for process 0/1
load StableDiffusion checkpoint
loading u-net: <All keys matched successfully>
loading vae: <All keys matched successfully>
loading text encoder: <All keys matched successfully>
Replace CrossAttention.forward to use xformers
[Dataset 0]
caching latents.
100%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████| 40/40 [00:13<00:00,  2.99it/s]
import network module: networks.lora
create LoRA network. base dim (rank): 32, alpha: 32.0
create LoRA for Text Encoder: 72 modules.
create LoRA for U-Net: 192 modules.
enable LoRA for text encoder
enable LoRA for U-Net
prepare optimizer, data loader etc.
===================================BUG REPORT===================================
Welcome to bitsandbytes. For bug reports, please submit your error trace to: https://github.com/TimDettmers/bitsandbytes/issues
For effortless bug reporting copy-paste your error into this form: https://docs.google.com/forms/d/e/1FAIpQLScPB8emS3Thkp66nvqwmjTEgxp8Y9ufuWTzFyr9kJ5AoI47dQ/viewform?usp=sf_link
================================================================================
CUDA SETUP: Loading binary D:\xxxx\lora-scripts\venv\lib\site-packages\bitsandbytes\libbitsandbytes_cuda116.dll...
use 8-bit AdamW optimizer | {}
override steps. steps for 10 epochs is / 指定エポックまでのステップ数: 4000
running training / 学習開始
  num train images * repeats / 学習画像の数×繰り返し回数: 400
  num reg images / 正則化画像の数: 0
  num batches per epoch / 1epochのバッチ数: 400
  num epochs / epoch数: 10
  batch size per device / バッチサイズ: 1
  gradient accumulation steps / 勾配を合計するステップ数 = 1
  total optimization steps / 学習ステップ数: 4000
steps:   0%|                                                                                                                                                      | 0/4000 [00:00<?, ?it/s]epoch 1/10
steps:  10%|███████████████                                                                                                                                        | 400/4000 [05:33<50:00,  1.20it/s, loss=0.126]epoch 2/10
steps:  20%|██████████████████████████████▏                                                                                                                        | 800/4000 [11:11<44:47,  1.19it/s, loss=0.105]saving checkpoint: ./output\xxxxx-000002.safetensors
epoch 3/10
steps:  30%|█████████████████████████████████████████████                                                                                                         | 1200/4000 [16:51<39:19,  1.19it/s, loss=0.123]epoch 4/10
steps:  40%|████████████████████████████████████████████████████████████                                                                                          | 1600/4000 [22:20<33:30,  1.19it/s, loss=0.128]saving checkpoint: ./output\xxxxx-000004.safetensors
epoch 5/10
steps:  50%|███████████████████████████████████████████████████████████████████████████                                                                           | 2000/4000 [27:48<27:48,  1.20it/s, loss=0.117]epoch 6/10
steps:  60%|██████████████████████████████████████████████████████████████████████████████████████████▌                                                            | 2400/4000 [33:17<22:11,  1.20it/s, loss=0.11]saving checkpoint: ./output\xxxxx-000006.safetensors
epoch 7/10
steps:  70%|█████████████████████████████████████████████████████████████████████████████████████████████████████████                                             | 2800/4000 [38:52<16:39,  1.20it/s, loss=0.112]epoch 8/10
steps:  80%|████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████                              | 3200/4000 [44:30<11:07,  1.20it/s, loss=0.124]saving checkpoint: ./output\xxxxx-000008.safetensors
epoch 9/10
steps:  90%|███████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████               | 3600/4000 [50:08<05:34,  1.20it/s, loss=0.117]epoch 10/10
steps:  92%|█████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████████▋            | 3673/4000 [51:48<04:36,  1.18it/s, loss=0.112]

（2.2.4）训练结果

只看loss是不行的，需要避免欠拟合和过拟合，但我们又看不出来。
最好用这个章节的方法，对比一下不同阶段输出的模型效果：

（1.2.1.5）插件：可选附加网络(LoRA插件)

但是我感觉和实际生成不太一样，并不是很靠谱。
目前来看，我还不太懂如何训练出比较好的模型，如果人站得远通常五官就很奇怪。

标签 , ,