Git直接clone https://github.com/Akegarasu/lora-scripts
git clone --recurse-submodules https://github.com/Akegarasu/lora-scripts环境配置
- 安装python 3.10版本
记得勾选add python.exe to PATH
点这个
- 以管理员身份运行powershell
输入 Set-ExecutionPolicy -ExecutionPolicy RemoteSigned 敲回车，然后弹出以下信息属于 y，敲回车
完成后，属于python，敲回车，出现如图所示则完成此步骤。
如果输入python遇到报错找不到python或者跳出微软商店的
请重新安装python，这次我们选择customize install
点击下一步
这一步我们勾选这个
安装完毕后即可正常使用。
- 安装依赖 我们去到下载好的lora-scripts路径下，右键install-cn，使用powershell运行
然后安装完成后，笔者这里powershell的窗口会自己消失，如果有报错，窗口会显示错误信息，笔者这步没有遇到报错。
准备训练图片
启动Stable diffusion web ui应用，参考前面的章节，选择训练->图像预处理, 我们事先在一个文件夹中放了训练的图片，笔者这里用了迪丽热巴的图片作为实验，在webUI的源目录中把图片所在文件夹的路径粘贴上去。
目标目录把某个空文件夹的路径粘贴上去。
勾选自动面部焦点裁剪和使用Deepbooru生成标签，点击预处理。
完成后，我们的目标文件夹以及标签如下图所示
关闭WebUI应用！！！
然后在lora-scripts目录下新建一个文件夹，笔者这里取名为train_graph
进入刚新建的这个文件夹，再新建一个文件夹
再进入刚新建的文件夹，再新建一个文件夹，这个文件夹取名为 [数字]_[名字] 笔者这里为6_dilireba
把我们之前预处理好的图片数据都放入到这个文件夹中
然后我们在lora-scripts路径下，使用文本编辑器（记事本、VScode、notepade++等）打开train.ps1这个文件
内容如下所示
这里我们注意的这两处地方，第一个为底模型的路径，也就是Stable Diffusion大模型的路径。 这里笔者在 https://huggingface.co/runwayml/stable-diffusion-v1-5/tree/main
上下载了v1-5-pruned.ckpt作为实验，并把它改名为model.ckpt放在lora-script/sd-models路径下，也就是第一个红框对应的路径。
然后把第二个红框的数据路径修改为我们前面创建的/train_graph/dilireba这个路径
找到 output_name这个地方，模型名字自己命名
保存修改！保存修改！保存修改！
训练
回到lora-scripts路径下，右键train.ps，使用powershell运行
这里笔者遇到一个报错如下图所示
我们再次使用文本编辑器打开lora-scripts路径下的train.ps，如果没有出现同款报错，可忽略这步
找到optimizer_type,它默认为AdamW8bit，笔者修改成AdamW如下图所示，保存修改！保存修改！保存修改！
然后回到lora-scripts，右键train.ps，使用powershell运行，即可正常训练如下图所示。
完成训练
训练完成后，lora-scripts/output路径下可以看到我们训练好的lora模型。
然后我们就可以使用自己训练好的lora模型了，具体使用方法参考前面Stable Diffusion模型介绍章节里的Lora部分
使用lora前后对比。笔者这里只使用了6张图片来训练，也没有调参之类的，所以效果有限，但风格的变化对比起来还是比较明显的。
