今天来说说我所接触的这四个训练工具，目前来说稳定性比较好，受到广大群众认可的训练工具。其核心都是采用的kohya-ss底层。我之所以推荐这四个其实基本上考虑到易用性，对新手是友好的。
硬件要求：最起码16G的显存起步，如果没有最好是用线上训练平台来做。时间效率会高很多。kohya本身是本地部署的，包括秋叶训练工具。如果要从易用性上考虑还是推荐用秋叶训练包，界面友好、文本解释性的内容直观，能够消除新手入门的很多疑惑。
kohya也是有GUI界面的，使用的是gradio的框架，和stable diffusion界面一致。但是，如果对训练原理不太懂其实并不推荐，这会让你因为各种参数，报错给折腾的无从下手。
kohya-ss 地址：https://github.com/kohya-ss/sd-scripts/tree/sd3
秋叶训练 整合包项目地址 https://github.com/Akegarasu/lora-scripts
Civitai 模型训练平台 地址：https://civitai.com/models/train
算力需要收费，5美元5000个Buzz（也就是显卡算力），相比liblib稍微便宜一点昂。个人比较推荐的训练平台。支持多个任务同时进行，支持最新flux模型lora训练。价格比较便宜，数量集最大支持1000的限制。
交互设计上采用分阶段提交的方式，各个参数说明都挺详细，训练过程如下：
实际训练体验
如果你是仅训练单一风格素材（例如单一人像风格，单一属性元素的图标等等）并且训练集的数量较少可以选择这个服务。否则你的训练集过多会因为总步数的限制导致训练效果不佳。后台给你的总步数是10000步，超出这个数系统不会执行。
liblib 训练 地址：https://www.liblib.art/pretrain
他们的界面简化了训练参数，如果需要专业参数可以点开设置。
哩布哩布的话是生成会员+训练会员制度，如果你是有训练需求的话只需要购买训练会员就可以了，一般训练300训练集以上要充值199元，59元是一个基础的模型训练仅支持200张训练集。
实际效果如何可以访问这个地址：Flux-日韩二次元 写实 游戏图标模型
基于flux1模型训练的lora，实际使用请看详细说明。
Be First to Comment