今天给大家带来秋叶大佬的Lora Train环境
一. 环境介绍
使用该环境，可快速训练出最符合您使用场景的lora模型。您有任何问题可在评论区进行留言
二. 使用说明（基础训练教学）
启动环境
- 点击jupyterlab连接方式，进入notebook，执行第一条代码块，即可启动服务。
2. 服务启动后，复制实例的公网ip+ip端口号（6889）进入环境。如，公网ip为“150.109.235.248”，则访问链接为150.109.235.248:6889
3. 服务启动成功后，运行第二个代码块查看服务运行日志。日志中显示：“Server started at http://0.0.0.0:6889”，需将0.0.0.0替换为自己的公网ip。
启动训练
1. 进入/root/lora-scripts/train/aki 文件夹，上传自己的训练图片数据集。文件夹需位于/root/lora-scripts/train目录下，可自定义文件夹名称。
2. 选择训练的基础模型。环境中已预装dreamshaper，目录如下，可根据需求更换。
/root/lora-scripts/sd-models/dreamshaper_8.safetensors
3. 启动训练：点击右下角启动训练。启动后，可返回jupyterlab页面查看训练进度。训练完成后，在output文件夹中会生成lora文件，可导入sd环境进行使用测试。
若希望自定义环境启动方式，可参考如下参数配置：
参数名称 | 类型 | 默认值 | 描述 |
|---|---|---|---|
--host | str | "127.0.0.1" | 服务器的主机名 |
--port | int | 28000 | 运行服务器的端口 |
--listen | bool | false | 启用服务器的监听模式 |
--skip-prepare-environment | bool | false | 跳过环境准备步骤 |
--disable-tensorboard | bool | false | 禁用 TensorBoard |
--disable-tageditor | bool | false | 禁用标签编辑器 |
--tensorboard-host | str | "127.0.0.1" | 运行 TensorBoard 的主机 |
--tensorboard-port | int | 6006 | 运行 TensorBoard 的端口 |
--localization | str | 界面的本地化设置 | |
--dev | bool | false | 开发者模式，用于禁用某些检查 |
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
腾讯云开发者
