Linaqruf/kohya-trainer

解决的问题

训练用于图像生成的 LoRA (Low-Rank Adaptation models) 可能既复杂又对技术要求很高。本项目通过提供开箱即用的 Google Colab 笔记本简化了这一流程，这些笔记本处理了整个训练流水线，并通过锁定底层训练软件的特定版本来确保兼容性和稳定性。

工作原理

本项目使用 kohya-ss/sd-scripts 后端来执行实际训练。用户可以选择“一键式”笔记本以获得精简的自动化体验，或者选择将流程拆分为各个阶段（下载、打标、配置和训练）的“高级”笔记本，以获得更大的控制权。这些笔记本支持各种数据集——包括本地文件夹、zip 文件或 Hugging Face 存储库——并可在需要时自动处理图像标注。

适用人群

此工具专为希望在 Google Colab 上训练 LoRA 而无需管理复杂本地环境的用户设计。它既适合想要简单“一键运行”体验的初学者，也适合需要调整特定训练设置或审查中间步骤的高级用户。

主要亮点

• 针对 SDXL、SD 1.5 和 Illustrious 等流行模型的一键训练笔记本。
• 高级模式允许分步验证和重新运行特定的训练阶段。
• 原生支持将结果上传到 Hugging Face Hub 并将进度记录到 Weights & Biases。
• 灵活的数据集处理，包括通过子文件夹命名支持重复计数以及自动打标。
• 通过 Colab Secrets 安全处理 Hugging Face、Civitai 和 Weights & Biases 的 API 令牌。