资源：

（1）训练ui kohya_ss：
https://github.com/bmaltais/kohya_ss

（2）kohya_ss 的docker+ 其他docker

https://github.com/ashleykleynhans/stable-diffusion-docker

环境

需要等待环境构建，有点慢，启动起来后，访问 http://home.elvisiky.com:7861/。

docker run -d \
  --gpus all \
  -v /workspace \
  -p 7860:3001 \
  -p 7861:3011 \
  -p 7862:3021 \
  -p 7863:6066 \
  -p 7864:8000 \
  -p 7866:8888 \
  -p 7867:2999 \
  -e JUPYTER_PASSWORD=Jup1t3R! \
  -e ENABLE_TENSORBOARD=1 \
  ashleykza/stable-diffusion-webui:latest
  

Application Log file

Stable Diffusion Web UI /workspace/logs/webui.log

Kohya SS /workspace/logs/kohya_ss.log

ComfyUI /workspace/logs/comfyui.log

数据

数量几十张即可

分辨率适中，勿收集极小图像

数据集需要统一的主题和风格的内容，图片不宜有复杂背景以及其他无关人物

图像人物尽量多角度，多表情，多姿势

凸显面部的图像数量比例稍微大点，全身照的图片数量比例稍微小点

堆糖：https://www.duitang.com
花瓣：https://huaban.com
pinterest：https://www.pinterest.com

通常，准备数百张图像是理想的（图像数量太少会导致类别图像无法被归纳，特征也不会被学习）。

如果要使用生成的图像，生成图像的大小通常应与训练分辨率（更准确地说，是bucket的分辨率，见下文）相匹配。

自动标注

kohya_ss BLIP2

“/workspace/kohya_ss/venv/bin/python”
“/workspace/kohya_ss/sd-scripts/finetune/make_captions.
py” --batch_size 1 --num_beams 1 --top_p 0.9
–max_length 75 --min_length 5 --beam_search
–caption_extension .txt “/workspace/maonv”
–caption_weights

kohya_ss WD14

"/workspace/kohya_ss/venv/bin/python"
                         "/workspace/kohya_ss/sd-scripts/finetune/make_captions_
                         by_git.py" --batch_size 1 --max_data_loader_n_workers 2
                         --max_length 75 --caption_extension .txt
                         "/workspace/yifei" with shell=True

后续

遇到了一个文件夹命名的问题，后续直接用秋叶包，不再用kohya_ss。

https://github.com/kohya-ss/sd-scripts/issues/1294