StableDiffusion 学习笔记 - 训练 LoRA

最近一直在学习使用 Stable Diffusion，目前开始学习 LoRA 训练，试图使用 LoRA 微调预训练模型，实现脸型替换等常用功能

最开始我跑去了 LoRA 的官方仓库，虽然找到了 lora_pti 工具，但是没有理解数据集的准备方式，翻阅代码也没有理解到有用的信息

后面我找到了 SDWebUI 的 Images Processing 工具，它可以裁切缩放原始图像，最重要的是 Use deepbooru for caption 这个选项，可以自动为图片添加标签

尝试执行了之后，发现 SDWebUI 会把所有图像转换为 PNG，并且把自动生成的标注信息保存在同名的 TXT 文件中

找到了 diffusers 库官方给的示例脚本 train_text_to_image_lora.py，看了一遍参数，发现传入参数需要 huggingface 的 datasets 数据集格式

翻阅官方文档，写了一段简单的代码，从 SDWebUI 的 Images Processing 输出目录，生成 metadata.jsonl 文件，构建符合格式的数据集目录

跑了一下，居然爆了我的 3090 涡轮卡的 24G 显存，找到了一片文章，可以优化参数，减少内存占用

https://www.cnblogs.com/huggingface/p/17108402.html

export MODEL_NAME="runwayml/stable-diffusion-v1-5"
export OUTPUT_DIR="/sddata/finetune/lora/pokemon"
export HUB_MODEL_ID="pokemon-lora"
export DATASET_NAME="lambdalabs/pokemon-blip-captions"
 
accelerate launch --mixed_precision="fp16"  train_text_to_image_lora.py \
  --pretrained_model_name_or_path=$MODEL_NAME \
  --dataset_name=$DATASET_NAME \
  --dataloader_num_workers=8 \
  --resolution=512 --center_crop --random_flip \
  --train_batch_size=1 \
  --gradient_accumulation_steps=4 \
  --max_train_steps=15000 \
  --learning_rate=1e-04 \
  --max_grad_norm=1 \
  --lr_scheduler="cosine" --lr_warmup_steps=0 \
  --output_dir=${OUTPUT_DIR} \
  --push_to_hub \
  --hub_model_id=${HUB_MODEL_ID} \
  --report_to=wandb \
  --checkpointing_steps=500 \
  --validation_prompt="Totoro" \
  --seed=1337