直接在Comfy UI中训练LoRA模型
版权说明
原作者：***
原作者联系方式：
原文链接：***
发表时间：***
发表平台：****
（这篇帖子是给ComfyUI用户的…当然，如果你也感兴趣的话 ^^）
嗨，大家！
前几天在ComfyUI的 subreddit 上，我发布了我的 LoRA 字幕定制节点，非常适用于直接从 ComfyUI 创建字幕。
但字幕只是 LoRA 训练过程的一半。缺少另一半，我的定制节点会感觉有点孤独。所以我又创建了一个节点，可以直接从 ComfyUI 训练 LoRA 模型！
默认情况下，它直接保存在你的 ComfyUI lora文件夹中。这意味着训练后，你只需刷新（...并选择 LoRA）就可以测试它了！
这就是进行 LoRA 训练所需的全部步骤了。
制作 LoRA 从未如此简单！
https://drive.google.com/file/d/1guSFoauzeFMcIvyh2u2RDvd41ysdXXMs/view?usp=sharing
下载后，解压并放入 custom_nodes 文件夹中。然后安装所需的依赖项。
如果你不知道如何操作：
打开命令提示符，输入以下内容：
pip install -r
确保后面有一个空格。然后将 requirements_win.txt 文件拖到命令提示符中（如果你在 Windows上；否则，我假设你应该选择另一个文件 requirements.txt）。拖动文件将在命令提示符中复制其路径。
按 Enter 键，这将安装所有所需的依赖项，使其与 ComfyUI 兼容。请注意，如果你为 Comfy 使用了虚拟环境，必须首先激活它。
教程
在使用自定义节点之前，有一些要注意的事项：
你的图像必须放在一个以 [number]_[whatever] 命名的文件夹中。那个数字很重要：LoRA 脚本使用它来创建一些步骤（称为优化步骤…但别问我是什么 ^^’）。它应该很小，比如 5。然后，下划线是必须的。其余部分不重要。
对于 data_path，你必须写入包含数据库文件夹的文件夹路径。
因此，在这种情况下：C:\database\5_myimages
你必须写 C:\database
至于终极问题：“斜杠还是反斜杠？”… 不用担心！Python 在这里需要斜杠，但节点会自动将所有反斜杠转换为斜杠。
文件夹名称中的空格也不是问题。
参数
在第一行，你可以从 checkpoint 文件夹中选择任何模型。然而，据说你必须选择一个基本模型进行 LoRA 训练。这是为什么我不得而知。但你完全可以尝试使用微调，没有任何阻碍。
但如果你想遵循规则，请确保在 checkpoint 文件夹中有一个基本模型！
这就是你需要了解的全部！其余都很简单：你选择一个名字为你的 LoRA，如果默认值对你不好，就更改这些值（epochs 数应该接近 40），然后启动工作流程！
一旦你点击 Queue Prompt，所有事情都会在命令提示符中发生。去看一下。即使你对 LoRA 训练是新手，你也会很快明白命令提示符显示了训练的进度。（或者…显示了错误 x)。
我建议与我的字幕自定义节点和 WD14 标签一起使用。
这条优雅而简单的线完成了字幕和训练！
然而，请确保在制作字幕时禁用 LoRA 训练节点。原因是 Comfy 可能会在制作字幕之前启动训练。而它会这么做。它不关心是否有字幕存在。所以最好保险起见：在制作字幕时绕过训练节点，然后启用它，再次启动工作流程进行训练。
我本可以找到一种方法将训练节点与保存节点关联起来，确保在制作字幕后才进行训练。然而，我决定不这样做。因为即使 WD14 标签非常出色，你可能还想在训练之前打开字幕并手动编辑它们。在两个节点之间创建链接将使整个过程变得自动化，而不让我们有机会修改字幕。
寻求对 Tensorboard 的帮助！ :)
字幕，训练... 还有一个遗漏的部分。如果你了解 LoRA，你应该听说过 Tensorboard。这是一个用于分析模型训练数据的系统。我很乐意将其包含在ComfyUI中。
... 但我完全不知道该怎么做 ^^’。目前，训练会在 log 文件夹中创建一个日志文件，该文件夹会在 Comfy 的根文件夹中创建。我认为该日志是一个我们可以在 Tensorboard UI 中加载的文件。但我很想让数据出现在 ComfyUI 中。有人能帮我吗？谢谢 ^^。
我的第一个 LoRA 的结果：
如果你不认识这个角色，那是来自《宝可梦 钻石与珍珠》的小光（Hikari）。具体来说，是她在大祭典中的形象。在网上查看图片以比较结果：
重要注意事项：
你可以将它与另一个工作流程一起使用。我确保节点保存了显存，这样你可以完全用于训练。
如果你已经准备好工作流程，那么在训练后，你只需编写提示并加载 LoRA 即可！
这非常适合快速测试你的 LoRA！
--
此节点已确认适用于 SD 1.5 模型。如果你想使用 SD 2.0，你需要进入 train.py 脚本文件，并将 is_v2_model 设置为 1。
关于 SDXL，我一无所知。如果有人能测试并确认或否认，我会很感激 ^^。我知道 LoRA 项目包含了针对 SDXL 的自定义脚本，所以可能更加复杂。
至于 LCM 和 Turbo，我不知道 LoRA 训练是否也适用于它们。
更进一步：
我为节点提供了许多输入……但并非全部。因此，如果你已经是 LoRA 专家，并注意到我没有包含对你重要的一些内容，那可能在代码中有。如果你好奇，进入 custom nodes 文件夹并打开 train.py 文件。
LoRA 训练的所有变量都在这里。你可以更改任何值，比如优化算法、网络类型或 LoRA 模型扩展…
致敬：
这是基于一个现有项目 lora-scripts 的，该项目在 github 上可用。感谢作者制作了一个只需一个脚本启动训练的项目！
我借用了那个项目，去掉了 UI，将这个“启动脚本”翻译成 Python，并适应了 ComfyUI。尽管花了几个小时，但一路上我一直看到光明，多亏了原始项目 ^^。
如果你想知道如何制作自己的自定义节点，我发布了一个教程，可以在 5 分钟内帮助你入门：
[TUTORIAL] Create a custom node in 5 minutes! (ComfyUI custom node beginners guide) : comfyui (reddit.com)
你还可以从下面的链接下载我的自定义节点示例，将其放入 custom nodes 文件夹中，它将立即显示出来：
customNodeExample - Google Drive
（编辑：原始链接是错误的，所以我更改了它们 x)）
多亏了这个，我轻松地制作了我的 LoRA 节点。我就是在一个星期前制作的，已经制作了五个功能齐全的自定义节点。