尧图网站建设 
在 AMDROCm上跑通 kohya_ss完成你的第一次 LoRA 训练【免费下载链接】kohya_ss项目地址: https://gitcode.com/GitHub_Trending/ko/kohya_ssROCm 驱动装好了kohya_ss 界面也启动了一点开始训练却报错或只跑 CPU——这是 AMD GPU 用户最常见的卡点。这篇文章面向会用终端、但没训练过模型的人在 Linux 上把 kohya_ss 完整跑一遍先逐项自查环境装 ROCm 依赖再启动图形界面最后完成一次最小 LoRA 训练。环境自查开训前逐项核对kohya_ss 是一个基于 Gradio 的模型训练图形界面LoRA、DreamBooth、文本反转都靠它操作。ROCm 是 AMD 的 GPU 计算栈作用类似 NVIDIA 的 CUDA。下表是硬性条件装驱动之前先核一遍。项目要求怎么核对显卡支持 ROCm 的 AMD 卡RX 6000/7000 系列RDNA 2/3成熟度最高终端运行rocm-smi能看到卡名与显存即通过系统LinuxUbuntu 22.04 及以上最省心cat /etc/os-release查看发行版Python3.10 或 3.11项目要求3.10,3.12见 pyproject.tomlpython3 --versionROCm 驱动6.x 版本仓库锁定的 PyTorch 是 rocm6.3 轮子见 ROCm 依赖rocm-smi无报错且rocminfo能列出设备验证命令只有一条rocm-smi预期结果是列出你的显卡、显存容量和占用率。如果提示找不到设备说明 ROCm 驱动没装好先解决这一项再往下走。完整流程从空环境到第一次训练环境准备把仓库克隆下来--recursive不能省kohya_ss 的训练逻辑在 sd-scripts 子模块里git clone --recursive https://gitcode.com/GitHub_Trending/ko/kohya_ss cd kohya_ss安装 ROCm 依赖在仓库目录里运行安装脚本--use-rocm让脚本走 AMD 分支./setup.sh --use-rocm脚本会创建 venv 虚拟环境检测到 ROCm 环境它检查rocminfo命令后先升级 pip 再按 ROCm 依赖 安装——该文件锁定了torch2.7.1rocm6.3和tensorflow-rocm比 CUDA 版体积大所以老版本 pip 装不动。怎么算成功结尾打印Setup finished! Run ./gui.sh to start.。装 Python 依赖前注意选对版本细节可查 pip 安装文档 和 uv 安装文档。启动验证./gui.sh --use-rocm --listen 127.0.0.1 --server_port 7860 --inbrowser浏览器会打开 kohya_ss 界面左上角显示项目名和版本。远程 SSH 环境下要加--headless否则文件选择框会卡住进程。也可以用 uv 方式启动./gui-uv.sh。第一次训练数据集就是图片 同名 txt。每张图旁放一个同名的.txt写一句画面描述作用像给照片贴标签告诉模型图里有什么。支持.png、.jpg、.jpeg、.webp、.bmp。目录结构参考 test/img/ 和数据集目录结构说明。图里的.txt内容是a painting of a steam punk skull with a gas mask, by darius kawasaki这就是配套标注。数据准备好后进界面 LoRA 页签选源模型数据集路径指向图片目录训练参数可以先用 LoRA 预设 里的一份起步。怎么算成功输出目录里出现.safetensors文件且训练过程中生成的示例图越来越像你给的照片而不是越来越糊。LoRA 和 DreamBooth 怎么选中文训练文档 里列了四种训练方式对应不同脚本差异见下表。显存一栏是相对关系具体数值随模型和分辨率变化。训练方式对应脚本适用场景显存消耗相对LoRAtrain_network.py学一个角色、画风产物是小插件文件可挂到任何兼容模型上最低DreamBoothtrain_db.py把目标学进底模本身不产出插件较高训练整个网络全模型微调fine_tune.py数据量大、想整体改变模型风格最高SDXL 底模以上均可换 SDXL 模型出图分辨率和细节更高比 SD1.5 对应方式高一档第一次训练建议直接选 LoRA数据集小、跑得动、失败成本最低。想省参数调优的时间LoRA 预设 和微调预设 里都有现成 JSON。排障速查按现象查表现象可能原因处理方法pip 装依赖时报冲突或中断Python 不在 3.10/3.11 范围或 pip 过老装不动大轮子核对python3 --version删除 venv 重跑./setup.sh --use-rocm脚本会自动升级 piponnxruntime-rocm安装失败该包没有 Python 3.11 的构建依赖文件里有注释换到 Python 3.10 再装训练跑在 CPU 上GPU 无占用ROCm 驱动未装好或启动时没加--use-rocm先跑rocm-smi确认识别到卡再用--use-rocm参数启动 GUIAMD 显存不足报 OOM 或 HSA 错误分辨率、batch 开太大打开梯度检查点GUI 高级选项默认开启调低训练分辨率和 batch size用 fp16/bf16 混合精度Accelerate 配置里还有 fp8 选项可进一步压显存启动 GUI 提示Please run setup.sh firstvenv 不存在说明没跑过安装脚本先执行./setup.sh --use-rocm资源索引中文训练说明数据准备、各方式选项docs/train_README-zh.md数据集目录结构docs/image_folder_structure.md安装文档pip 方式、uv 方式ROCm 依赖清单requirements_linux_rocm.txt预设配置LoRA 预设、微调预设训练脚本示例examples/示例数据集test/img/界面源码想改默认参数时看这里kohya_gui/一个低门槛的起步先用仓库自带的 test/img/ 数据8 张图加标注配一份 SD1.5 的 LoRA 预设跑通全流程确认界面、GPU、显存都正常再换自己的数据集。跑通这一次剩下的都是参数调整。【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 在 AMD（ROCm）上跑通 kohya_ss：完成你的第一次 LoRA 训练
在 AMDROCm上跑通 kohya_ss完成你的第一次 LoRA 训练【免费下载链接】kohya_ss项目地址: https://gitcode.com/GitHub_Trending/ko/kohya_ssROCm 驱动装好了kohya_ss 界面也启动了一点开始训练却报错或只跑 CPU——这是 AMD GPU 用户最常见的卡点。这篇文章面向会用终端、但没训练过模型的人在 Linux 上把 kohya_ss 完整跑一遍先逐项自查环境装 ROCm 依赖再启动图形界面最后完成一次最小 LoRA 训练。环境自查开训前逐项核对kohya_ss 是一个基于 Gradio 的模型训练图形界面LoRA、DreamBooth、文本反转都靠它操作。ROCm 是 AMD 的 GPU 计算栈作用类似 NVIDIA 的 CUDA。下表是硬性条件装驱动之前先核一遍。项目要求怎么核对显卡支持 ROCm 的 AMD 卡RX 6000/7000 系列RDNA 2/3成熟度最高终端运行rocm-smi能看到卡名与显存即通过系统LinuxUbuntu 22.04 及以上最省心cat /etc/os-release查看发行版Python3.10 或 3.11项目要求3.10,3.12见 pyproject.tomlpython3 --versionROCm 驱动6.x 版本仓库锁定的 PyTorch 是 rocm6.3 轮子见 ROCm 依赖rocm-smi无报错且rocminfo能列出设备验证命令只有一条rocm-smi预期结果是列出你的显卡、显存容量和占用率。如果提示找不到设备说明 ROCm 驱动没装好先解决这一项再往下走。完整流程从空环境到第一次训练环境准备把仓库克隆下来--recursive不能省kohya_ss 的训练逻辑在 sd-scripts 子模块里git clone --recursive https://gitcode.com/GitHub_Trending/ko/kohya_ss cd kohya_ss安装 ROCm 依赖在仓库目录里运行安装脚本--use-rocm让脚本走 AMD 分支./setup.sh --use-rocm脚本会创建 venv 虚拟环境检测到 ROCm 环境它检查rocminfo命令后先升级 pip 再按 ROCm 依赖 安装——该文件锁定了torch2.7.1rocm6.3和tensorflow-rocm比 CUDA 版体积大所以老版本 pip 装不动。怎么算成功结尾打印Setup finished! Run ./gui.sh to start.。装 Python 依赖前注意选对版本细节可查 pip 安装文档 和 uv 安装文档。启动验证./gui.sh --use-rocm --listen 127.0.0.1 --server_port 7860 --inbrowser浏览器会打开 kohya_ss 界面左上角显示项目名和版本。远程 SSH 环境下要加--headless否则文件选择框会卡住进程。也可以用 uv 方式启动./gui-uv.sh。第一次训练数据集就是图片 同名 txt。每张图旁放一个同名的.txt写一句画面描述作用像给照片贴标签告诉模型图里有什么。支持.png、.jpg、.jpeg、.webp、.bmp。目录结构参考 test/img/ 和数据集目录结构说明。图里的.txt内容是a painting of a steam punk skull with a gas mask, by darius kawasaki这就是配套标注。数据准备好后进界面 LoRA 页签选源模型数据集路径指向图片目录训练参数可以先用 LoRA 预设 里的一份起步。怎么算成功输出目录里出现.safetensors文件且训练过程中生成的示例图越来越像你给的照片而不是越来越糊。LoRA 和 DreamBooth 怎么选中文训练文档 里列了四种训练方式对应不同脚本差异见下表。显存一栏是相对关系具体数值随模型和分辨率变化。训练方式对应脚本适用场景显存消耗相对LoRAtrain_network.py学一个角色、画风产物是小插件文件可挂到任何兼容模型上最低DreamBoothtrain_db.py把目标学进底模本身不产出插件较高训练整个网络全模型微调fine_tune.py数据量大、想整体改变模型风格最高SDXL 底模以上均可换 SDXL 模型出图分辨率和细节更高比 SD1.5 对应方式高一档第一次训练建议直接选 LoRA数据集小、跑得动、失败成本最低。想省参数调优的时间LoRA 预设 和微调预设 里都有现成 JSON。排障速查按现象查表现象可能原因处理方法pip 装依赖时报冲突或中断Python 不在 3.10/3.11 范围或 pip 过老装不动大轮子核对python3 --version删除 venv 重跑./setup.sh --use-rocm脚本会自动升级 piponnxruntime-rocm安装失败该包没有 Python 3.11 的构建依赖文件里有注释换到 Python 3.10 再装训练跑在 CPU 上GPU 无占用ROCm 驱动未装好或启动时没加--use-rocm先跑rocm-smi确认识别到卡再用--use-rocm参数启动 GUIAMD 显存不足报 OOM 或 HSA 错误分辨率、batch 开太大打开梯度检查点GUI 高级选项默认开启调低训练分辨率和 batch size用 fp16/bf16 混合精度Accelerate 配置里还有 fp8 选项可进一步压显存启动 GUI 提示Please run setup.sh firstvenv 不存在说明没跑过安装脚本先执行./setup.sh --use-rocm资源索引中文训练说明数据准备、各方式选项docs/train_README-zh.md数据集目录结构docs/image_folder_structure.md安装文档pip 方式、uv 方式ROCm 依赖清单requirements_linux_rocm.txt预设配置LoRA 预设、微调预设训练脚本示例examples/示例数据集test/img/界面源码想改默认参数时看这里kohya_gui/一个低门槛的起步先用仓库自带的 test/img/ 数据8 张图加标注配一份 SD1.5 的 LoRA 预设跑通全流程确认界面、GPU、显存都正常再换自己的数据集。跑通这一次剩下的都是参数调整。【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