手把手教会你如何在云端里训练lora模型!萌新小白也能一看就会!Forge-Webui-Comfyui-Stable Diffusion
云端部署为缺乏高性能本地硬件的用户提供了AI绘图模型训练的可行方案。通过在云端创建实例并配置相关环境,用户可以远程完成LoRA模型的训练全过程。本文将梳理从环境准备、文件上传、参数配置到执行训练的具体操作步骤,帮助用户快速掌握云端训练流程。
01环境准备与实例创建
- 选择镜像与存储
在算力平台选择一张显卡,并选用“青龙圣者训练包V2.1”镜像。打开对象存储服务,为后续上传数据做准备。 - 创建虚拟机实例
点击右下角的“创建实例”按钮,等待系统初始化虚拟机。创建完成后,点击“Jupyter”进入虚拟机操作界面。
02训练数据与模型上传
训练前需将基础模型和训练集图片上传至云端。首先需确认虚拟机所在的区域(如西北一区或华东二区),并在对应区域的云存储控制台进行操作。
- 上传基础模型
在云存储控制台点击“上传文件”,将本地的基础模型文件上传。上传完成后,模型将自动出现在虚拟机的指定挂载目录(如/mnt文件系统)中。 - 上传训练集图片
将包含训练图片的文件夹压缩成ZIP格式。在虚拟机的work文件夹内,将压缩包拖拽上传。解压指令格式为“unzip [文件名].zip”,需将文件名替换为实际的压缩包名称。
03训练参数配置
参数配置是训练LoRA模型的关键环节。需打开虚拟机根目录下的训练脚本文件(如train_sdxl_lora.sh),手动修改核心参数。
- 路径设置
配置大模型的存放路径以及训练集图片的路径。若不进行正则化训练,需删除相关路径参数。 - 微调参数
根据实际需求调整学习率、训练轮数等参数,这些设置逻辑与本地部署LoRA训练脚本保持一致。
04执行训练与结果获取
当所有参数配置完毕并保存后,即可启动训练任务。在虚拟机根目录调出控制台,输入执行指令“bash train_sdxl_lora.sh”开始训练。训练完成后,生成的模型文件将保存在根目录下的Output文件夹中,用户可直接右键点击下载。
当前文章无评论,是时候发表评论了