第一版回顾：

第一版采用的是秋叶包，notebook内提供了Colab风格的交互，原理是直接修改train.sh的文本。但是有个缺点，就是要保持和秋叶包一致的更新，不然容易报错。

第二版回家的路：
https://github.com/WSH032/kohya-config-webui

（一）更新内容：

1. 由于Colab的更新，现在直接自带torch 2.0.0和python 3.10了。

   免去了这两个环境的安装后，现在只需要2分半就完成部署。

   在使用WebUI保存功能的帮助下，只要3分钟就可以开始lora训练。

   T4显卡的性能相当于2060~2070

2. 直接克隆kohya-ss

   第二版不用秋叶包了，notebook内默认克隆的就是最新的kohya-ss main分支，你用的就是最新的脚本。

   (秋叶包用的也是kohya脚本，但一般秋叶放的是稳定一点的版本)

3. WanDB远程查看训练状态

   这个功能是kohya-ss的一个pr加上的。和云平台简直是珠联璧合，完爆tensorboard。

   这个功能可以让你挂着云平台，然后用手机或者网页远程、实时查看训练状况。

   具体的请看

4.采用WebUI设置参数

notebook内使用了我之前写的插件kohya-config-webui。（它叫kohya，但我没有kohya的授权）

异步控制，友好交互，支持保存参数、快速读取； 里面的参数绝对够你用了。

 5.重写notebook

    原来的notebook内容虽然详细，但有点杂乱。

    新的notebook采用简约风，点击三下鼠标可以完成部署。

 一键开始训练

6.关于移植性

这个notebook我已经尽量采用跨平台的语法来写了。理论上经过简单修改就可以移植到其他云或者windows。

还有，kaggle官方说他们下周初会更新到python3.10，到时候我会移植过去。这也是一个免费的云平台，提供两张T4。

（二）使用要点：

第一版的教程里面，最开始我要求材料必须放在Lora/input ， 同时我会把它拷贝进来。

现在不做这个要求了，也不需要拷贝。你可以随便放，到时候你去WebUI里把路径填进去就行。

1、初次使用辅助：

打开notebook里的webui后，我已经预置了一个配置文件colab.toml

去读取它，我会帮你完成默认的配置

读取后，材料地址，底模、输出地址我都会帮你弄好。

• 材料地址：默认就是之前教程里的Lora/input，你如果放到了别的地方，你在WebUI里改就行

• 底模：notebook里已经提供底模下载的功能，读取colab.toml后我直接就帮你读取下载的底模路径和列表

• 输出地址：默认就是之前教程里的Lora/output（谷歌硬盘中，永久保存），同时我会把训练模型名字带上，比如Lora/output/output_name，所以你只需要改模型名字就行。

2、保存配置：

保存目录和读取目录我默认已经调到你的谷歌硬盘了（永久保存），没必要改。

你就把保存名字改成你想要的，下次来的时候直接读取就行。

(三)使用协议

这个notebook的模型下载模块采用的是Linaqruf的代码，思路也有所借鉴。

训练脚本采用的是kohya-ss。

• [Linaqruf/kohya-trainer] : https://github.com/Linaqruf/kohya-trainer/

• [kohya-ss/sd-scripts] : https://github.com/kohya-ss/sd-scripts

Linaqruf 、 kohya-ss 和 我 采用的都是 Apache-2.0 license 协议。

如果你对这个笔记本进行了改编、引用等，请遵守上述协议。包括但不局限于标注来源，附带协议声明等。

（四）结尾

我不限制你转发这个笔记本了。如果你转发的话，带上我的视频或者专栏链接，我会很开心。😊

同时如果觉得这个notebook对你有用，或者这个插件对你有用（可以本地部署，看我之前的视频或者专栏）

可以去github给我点一个小星星⭐，感谢你。

[WSH032/kohya-config-webui] : https://github.com/WSH032/kohya-config-webui