手把手教你微调Stable Diffusion

温馨提示

关于本文：

本文你可以学习到完整的不使用webui借助lora和dreambooth微调Stable Diffusion的全过程。

手把手教你微调Stable Diffusion生成优弧，但是半失败版😂

关于训练：

单卡32GV100进行的微调，因为一些训练策略显存只需要16G就够了。

训练用时一个半小时多一点点。根据自己显卡量力而行。

搞环境

先搞个虚拟环境：

conda create -n youhu

conda activate youhu scipy

进入虚拟环境了。开搞。

因为我们是使用DreamBooth对Stable Diffusion进行微调，所以先把Diffusion Model的库搞下来。

git clone https://github.com/huggingface/diffusers.git

下载成功之后你现在会看到多出来一个diffuser文件。

然后进入到这个文件夹了里。开始安排环境

pip install -e .

进入examples/dreambooth目录，继续安排环境的依赖包：

pip install -r requirements_sdxl.txt

pip install bitsandbytes xformers

配置一下accelerate的环境

accelerate config default

数据集

接下来就是准备几个你小子的图。放到examples/dreambooth目录下。

准备脚本

打开vim写个脚本，代码下拉可以直接复制。

这个脚本是使用你刚才的图片通过Dreambooth微调Stable Diffusion模型。

export MODEL_NAME="./stable-diffusion-xl-base-1.0"
export INSTANCE_DIR="yh"
export OUTPUT_DIR="lora-trained-xl"
# export VAE_PATH="madebyollin/sdxl-vae-fp16-fix"python train_dreambooth_lora_sdxl.py \--pretrained_model_name_or_path=$MODEL_NAME  \--instance_data_dir=$INSTANCE_DIR \--output_dir=$OUTPUT_DIR \--instance_prompt="upper_body, 1 boy, glasses, youhu, nixiaozi" \--resolution=1024 \--train_batch_size=1 \--gradient_accumulation_steps=4 \--learning_rate=1e-5 \--lr_scheduler="constant" \--lr_warmup_steps=0 \--max_train_steps=500 \--validation_prompt="youhu, nixiaozi" \--validation_epochs=25 \--seed="0" \--enable_xformers_memory_efficient_attention \--gradient_checkpointing \--use_8bit_adam \# --mixed_precision="fp16" \# --pretrained_vae_model_name_or_path=$VAE_PATH \

这里解释一下。这个脚本的主要目的是配置和运行一个Stable Diffusion模型的训练过程，包括模型的参数设置、数据路径、学习率、批处理大小等。你可以根据自己的需求修改这些参数，然后运行脚本来训练模型。

export MODEL_NAME="stabilityai/stable-diffusion-xl-base-1.0"：设置了一个名为 MODEL_NAME 的环境变量，该变量指定了预训练模型的名称或路径。
export INSTANCE_DIR="yh"：设置了一个名为 INSTANCE_DIR 的环境变量，该变量指定了实例数据的目录或路径。
export OUTPUT_DIR="lora-trained-xl"：设置了一个名为 OUTPUT_DIR 的环境变量，该变量指定了模型训练结果的输出目录或路径。
python train_dreambooth_lora_sdxl.py 命令，它实际执行了模型训练的操作。以下是命令中的参数和选项的解释：
- --pretrained_model_name_or_path=$MODEL_NAME：指定了预训练模型的名称或路径，使用了之前设置的 MODEL_NAME 环境变量。
- --instance_data_dir=$INSTANCE_DIR：指定了实例数据的目录或路径，使用了之前设置的 INSTANCE_DIR 环境变量。
- --output_dir=$OUTPUT_DIR：指定了模型训练结果的输出目录或路径，使用了之前设置的 OUTPUT_DIR 环境变量。
- --instance_prompt="a photo of youhu"：设置了实例提示，描述了输入数据的内容。
- --resolution=1024：指定了训练过程中使用的分辨率。
- --train_batch_size=1：指定了训练时的批量大小。
- --gradient_accumulation_steps=4：指定了梯度累积的步数。
- --learning_rate=1e-5：指定了学习率的初始值。
- --lr_scheduler="constant"：选择了学习率调度器的类型，这里是常数学习率。
- --lr_warmup_steps=0：指定了学习率预热的步数。
- --max_train_steps=500：指定了最大训练步数。
- --validation_prompt="youhu, ni xiao zi"：设置了验证提示，描述了用于验证的输入数据的内容。
- --seed="0"：设置了随机种子，以确保训练的可重复性。
- --enable_xformers_memory_efficient_attention：启用了XFormers模块的内存效率注意力机制。
- --gradient_checkpointing：启用了梯度检查点，以减少内存使用。
- --use_8bit_adam：使用了8位Adam优化器，这可以提高训练速度。
- 最后两行的注释部分是选项的注释， Stable Diffusion原装VAE存在数值不稳定的问题，因此hugging face官方一般都推荐换一个VAE模型。但是推荐的那个VAE模型实际使用起来有冲突，会一直报错。所以这里还是使用原装VAE吧。

缓存模型

接下来还不能直接运行。因为墙的原因，你的服务器没办法直接从抱抱脸上直接下载模型。所以我的建议是：

在examples/dreambooth目录下建一个文件夹stable-diffusion-xl-base-1.0

其他解决方法：

给你服务器上搞个梯子，开全局
本地缓存模型，上传到服务器缓存

开始训练

bash train.sh

然后就等着他进度条就行了：

到这样就是训练完了：

开始生成

还是在examples/dreambooth目录下，搞一个python文件，我这里叫generate.py

直接复制下边的代码即可。

from diffusers import DiffusionPipeline
import torchlora_model_id = './lora-trained-xl/pytorch_lora_weights.safetensors'
base_model_id = "./stable-diffusion-xl-base-1.0"pipe = DiffusionPipeline.from_pretrained(base_model_id, torch_dtype=torch.float16)
pipe = pipe.to("cuda")
pipe.load_lora_weights(lora_model_id)prompt = ["youhu, ni xiao zi","youhu","ni xiao zi","ni xiao zi, youhu","a photo of youhu", "a photo of ni xiao zi"]for p in prompt:image = pipe(p, num_inference_steps=50).images[0]image.save(f"{p}.png")

from diffusers import DiffusionPipeline：从diffusers模块导入DiffusionPipeline类。这个类提供了一个管道，用于执行扩散过程，这是生成图片的关键步骤。
import torch：导入PyTorch库，这是一个用于深度学习的开源库。
lora_model_id = './lora-trained-xl/pytorch_lora_weights.safetensors'：定义一个变量来存储预训练模型的权重文件路径。
base_model_id = "./stable-diffusion-xl-base-1.0"：定义一个变量来存储基础模型的路径。
pipe = DiffusionPipeline.from_pretrained(base_model_id, torch_dtype=torch.float16)：使用基础模型的路径加载预训练的扩散管道，并设置数据类型为float16。
pipe = pipe.to("cuda")：将管道移动到GPU设备上进行计算。
pipe.load_lora_weights(lora_model_id)：加载预训练模型的权重到管道中。
prompt = ["youhu, ni xiao zi","youhu","ni xiao zi","ni xiao zi, youhu","a photo of youhu", "a photo of ni xiao zi"]：定义一个列表，包含了多个生成图片的提示。
for p in prompt:：对提示列表进行遍历，每次循环处理一个提示。
- image = pipe(p, num_inference_steps=50).images[0]：通过管道生成一张图片。这里的字符串p是生成图片的提示，而num_inference_steps=25表示推理步骤的数量。
- image.save(f"优弧{i}.png")：将生成的图片保存为优弧{i}.png文件，其中i是当前循环的索引号。