基于青龙圣者的kohya-ss-SD训练脚本搭建的一键式云训练，针对Linux部署进行了快速配置。该仓库整合了训练所需的环境以及部分模型，只需要添加你的训练集，简单在终端输入命令即可快速训练。

• 预装训练模型：
• NoobAI-XL-v1.1.safetensors
• NoobAI-XL-Vpred-v1.0.safetensors
• flux1-dev2pro.safetensors

终端栏新建选择 autounzip

复制你的压缩包路径

按照提示粘贴到 autounzip 终端

检查路径下是否出现完整的训练集素材

如果你的图片未打标，请先打标

终端栏新建选择 tagger，

**使用wd-eva02-large-tagger-v3进行打标，这将识别目录下的全部图片（包括子目录）

请确保已经将你的训练集放入 /workspace/train/qinglong/train 目录下

• 参数建议：

对于SDXL Lora 的训练，请确认你的训练底模是否使用了Vpred ( 即V预测 )

如果没有使用或未明确说明，请确保train_SDXL_24Glora_Vpre.ps1的v_parameterization值设置为0，否则为1

在对应的训练脚本中，只需要修改你训练对应模型的相关参数即可，即训练其他模型的参数可以不用理。

如果需要实时检查训练过程，默认已开启输出采样图片 enable_sample 为 1

每2轮将采样图片输出

采样出图的提示词默认为 /workspace/toml/qinglong.txt ，请务必修改内容（支持中英自然语言/短词短语）

• SDXL Lora训练参数修改：

默认训练最大轮数：max_train_epochs = 32

默认 network_dim = 16 （建议大小：抽象 > 角色，如抽象设置 network_dim 为 128 ，角色一般为 16 / 32 ）

默认 batch_size 为 16， 如果出现显存不足，请修改参数

默认 resolution 为 1024, 1024， 如果与自己的训练集比例不一致，请调整至合适的比例或将 resolution 设置为最恰当的比例

默认模型保存名称 output_name 为 sdxl-qinglong

新建 TrainSelect 终端，并运行：

按照提示，输入数字 1 ~ 10 选择你需要启动的模型训练脚本

按照提示回复确认 Y/Yes/YES/y 一键开启训练。

训练输出目录默认为 /workspace/output

提供了2种下载方法：

• 通过cnb仓库拉取（非常的快）：model_downloader/download_from_cnb.ipynb

• 通过huggingface仓库拉取：model_downloader/训练模型下载.ipynb

• 通过 model_downloader/cnb_pusher/cnb_pusher.ipynb 上传到你的cnb仓库

使用此脚本请熟悉Git操作，请确保vscode自带的git界面没有进行任何操作，否则分支混乱，了解后删除此行运行

选择notebook内核

选择内核环境

选择虚拟环境

使用hfd脚本从抱脸仓库拉取模型，需要新增请自行修改。设置对应值为True，运行后下载。

• 脚本原创： 青龙圣者
• 仓库作者： ApproLight

任何基于本镜像修改或衍生的版本，均与本镜像提供者无关，相关责任由修改者自行承担。