如何快速训练出你的第一个AI绘画模型kohya_ss图形界面完整上手指南【免费下载链接】kohya_ss项目地址: https://gitcode.com/GitHub_Trending/ko/kohya_ss你手里有十几张喜欢的角色或风格图片想让 Stable Diffusion 学会这种风格但一接触训练脚本就被几十个命令行参数劝退。kohya_ss是面向扩散模型的图形化训练工具LoRA、Dreambooth 等训练参数全部变成滑块和下拉框点几下就能产出可用的模型。 项目速览kohya_ss 把 Kohya 系列 Stable Diffusion 训练脚本封装成了 Gradio Web 界面支持 SD 1.5/2.x、SDXL、SD3、Flux.1、HunyuanImage 等 7 类基座模型。解决什么问题以前要手敲长命令、逐个填参数现在只需在界面里点选GUI 会自动生成对应训练命令覆盖 LoRA、LoHa、LoKr、Dreambooth、Textual Inversion、完整微调与 LECO 概念擦除。适合谁想训练风格/角色模型、有 NVIDIA GPU 的创作者SDXL LoRA 训练建议显存 12GB 以上本地没有 GPU 也可以走 Colab、Runpod、Docker 等云端方案。最大亮点内置大量社区验证过的训练预设训练过程中还会自动生成样图不用猜效果实时看模型学得怎么样。 快速上手拿到代码首次启动前的3个检查点首次启动前先确认三件事已安装 Pythonuv 方式按项目要求用 3.11.9安装时勾选 Add to PATH、已安装 CUDA 工具包Windows 用户装 12.8、显卡为 NVIDIA 系列。确认无误后把代码拉到本地git clone --recursive https://gitcode.com/GitHub_Trending/ko/kohya_ss cd kohya_ss ./gui-uv.shWindows 用户直接双击gui-uv.bat即可。首次运行会花一些时间安装依赖看到提示缺少uv时按 Y脚本会自动装好。第一次启动浏览器打开训练界面依赖装完后浏览器会自动打开 Web 界面默认端口 7860。界面按标签页组织Dreambooth、LoRA、Finetuning、Textual Inversion、LECO、Utilities、Settings。新手先打开 LoRA 标签页逛一圈所有参数都是滑块、下拉框和复选框界面上还带说明文字不需要背参数含义。确认跑通用内置示例数据集试训项目自带一套完整示例数据test/img/10_darius kawasaki person/目录里有 8 张 512×512 的蒸汽朋克角色图每张配一个同名.txt描述文件。在 LoRA 标签页把数据集目录指向这里把学习轮数先设成一个小数值比如 5 轮启动训练。控制台能正常输出损失值、输出目录里能看到模型文件和样图就说明环境、显存、数据路径全部跑通。 核心玩法跑通之后下面三个场景就是日常使用的主体。训练你的第一个LoRA从10-20张图到风格模型你想实现什么让基座模型学会你手头 10-20 张图里的角色或风格产出一个体积很小的 LoRA 权重文件。怎么操作按数据集文件夹结构文档整理数据每个角色一个文件夹图片放同名.txt描述文件夹名前缀数字代表重复次数如30_cat表示每张图按 30 次参与训练。在 LoRA 标签页选择预设presets/lora 目录 下有十几份现成配置SDXL - LoRA AI_characters standard v1.0.json这类文件已把学习率2e-5、网络维度 32、分辨率桶步进等数值填好。填入基座模型、数据集目录和输出名称学习轮数首次设 30 左右。点开始训练训练期间会按提示词文件定时生成样图。你会得到什么一个 LoRA 权重文件加载到出图工具里配一句提示词就能生成该风格的新图。模型能生成图之后如果还想让学习集中在某个局部区域可以引入掩码。掩码损失训练只练你关心的区域你想实现什么让模型重点学习指定区域比如人物主体忽略背景提升局部细节质量。怎么操作为每张训练图准备一张同名黑白掩码白色是要训练的区域黑色是要忽略的区域。掩码与原图放在同一目录test/masked_loss/示例目录就是这个形态8 张 512×512 的掩码图一一对应。在训练标签页勾选 masked loss 相关选项后启动训练。你会得到什么训练出的模型在掩码标示区域上细节明显更好背景不再干扰学习。数据集整理到这一步很多新手会卡在每张图都要手写描述上这也有工具代劳。批量生成描述让工具代写.txt文件你想实现什么给大批图片快速生成或统一描述文件凑齐图片描述的完整训练集。怎么操作用内置自动标注工具指定图片文件夹、文件通配模式和描述文本它就批量创建同名.txt文件。Utilities 标签页另有图片分组、按桶分辨率裁剪、转 WebP 等预处理脚本可配合使用。批量生成后抽查一遍每条描述是否准确错误描述会直接带偏训练。你会得到什么一份结构完整的数据集目录选中它就能直接开训不用再手动补文件。 问题排查现象启动时报No module called tkinter。原因当前 Python 安装不含 tkinter 模块或环境损坏。解法卸载后重装带 tkinter 的 Python项目 README 的 Troubleshooting 一节建议装 Python 3.10装完重新运行启动脚本。现象Windows 上训练中途报 page file 相关错误后崩溃。原因系统虚拟内存页面文件上限不够大模型加载时占用超限。解法打开系统属性 → 高级 → 性能设置 → 高级把页面文件改为自动管理所有驱动器的分页文件大小或手动调大重启后再训练。现象通过 SSH 或远程 GPU 训练时进程卡住、控制台长时间无输出。原因GUI 的原生系统弹窗覆盖确认、文件选择框弹到了无显示器的服务端一直等待点击。解法启动时加--headless参数它会隐藏本地文件选择按钮并跳过覆盖确认直接在界面里输入路径即可详见 README 的 Server Options 一节。写在最后kohya_ss 把数据整理、参数配置、训练启动压成了一条可视化流程当天就能训出第一个 LoRA。下一步建议打开 presets/lora 目录 挑一份预设做参数参照用test/img里的示例图试训一遍确认样图正常换上自己 10-20 张风格统一的图正式开训。【免费下载链接】kohya_ss项目地址: https://gitcode.com/GitHub_Trending/ko/kohya_ss创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考