Top AI Repos — open-source AI, indexed and scored
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
The stable diffusion webui training aid extension helps you quickly and visually train models such as Lora.
| Date | Stars |
|---|---|
| 2026-07-31 | 422 |
| 2026-08-06 | 422 |
Today
— stars today
This week
— stars this week
This month
— stars this month
Momentum
0.0
growth rate 0.00%/day
# sd-webui-train-tools The stable diffusion webui training aid extension helps you quickly and visually train models such as Lora. 一个 stable-diffusion-webui 的训练辅助扩展，可以帮助你快速、直观地训练 Lora 等模型。 English (TODO) [google translate](https://github-com.translate.goog/liasece/sd-webui-train-tools/blob/main/README.md?_x_tr_sl=auto&_x_tr_tl=en&_x_tr_hl=en&_x_tr_pto=wapp) ## 预览 <img width="512" alt="" src="https://github.com/liasece/sd-webui-train-tools/blob/main/doc/home.jpg?raw=true"> ## 安装 在 stable-diffusion-webui 的 Extensions 页面中安装： 在 URL for extension's git repository 中填入: https://github.com/liasece/sd-webui-train-tools <img width="512" alt="" src="https://github.com/liasece/sd-webui-train-tools/blob/main/doc/sd-webui-install-this-extensions.png?raw=true"> 安装完成后，重启 stable-diffusion-webui。可以看到多一个标签页 Train Tools ： <img width="512" alt="" src="https://github.com/liasece/sd-webui-train-tools/blob/main/doc/tab_name.png?raw=true"> ## 创建工程和版本 由于一个 Lora 的训练可能会经过很多过程，会不断地调整训练参数，所以要有管理的概念。 ### 工程 工程名字就是你的 Lora 的名字，通常是一个主题，或者一个画风，或者一个人物。 <img width="512" alt="" src="https://github.com/liasece/sd-webui-train-tools/blob/main/doc/create_project.png?raw=true"> 1. 如果你觉得你的数据落后了，或者你刚刷新了网页但是没有重启 stable-diffusion-webui ，你应该点击刷新按钮确保你页面上的数据是最新的。 2. 点击创建工程按钮，输入工程名字，点击确定。 ### 版本 版本是工程的一个子集，你可以在一个工程中创建多个版本，每个版本都有自己的训练参数。 创建版本步骤和创建工程类似。 ## 训练数据准备 <img width="512" alt="" src="https://github.com/liasece/sd-webui-train-tools/blob/main/doc/created_project_version.png?raw=true"> 1. 该区域为系统接受到的训练数据，和你上传的文件可能会有区别，因为训练的数据会经过处理。 2. 该区域是你上传训练数据并且设置处理参数的区域。 每个每个工程的每个版本的训练数据都是独立的，你可以在一个工程中创建多个版本，每个版本都可以使用不同的训练数据。 你可以一次性选择多张图片上传： <img width="512" alt="" src="https://github.com/liasece/sd-webui-train-tools/blob/main/doc/upload_dataset.png?raw=true"> 数据上传完成之后，需要进行一些处理。这里有一些处理的参数，你可以根据自己的需要进行调整。默认参数已经可以满足一般情况。 <img width="512" alt="" src="https://github.com/liasece/sd-webui-train-tools/blob/main/doc/config_dataset_and_apply.png?raw=true"> 你上传的数据源文件会被保留，但是不会真正用于训练。真正被用到训练中的是左边展示的数据。 ### 怎样管理训练图片生成的 tag? 我们推荐你使用另外的一个扩展 [sd-webui-dataset-tag-editor](https://github.com/toshiaki1729/stable-diffusion-webui-dataset-tag-editor) ，这个插件做得很优秀！能够很好地管理数据集图片的 tag。 为了能让你更方便地使用这个插件，我们在数据集下方显示了这个数据集的绝对路径，你可以直接复制这个路径粘贴到这个插件的 Dataset directory 中。 ### 怎样准备正则化图片？ 将正则化的图片放在: `outputs/train_tools/projects/[project]/versions/[version]/dataset/reg` 目录下，和 processed 文件夹同级。例如： `dataset/processed/40_object` 对应的正则化图片目录为： `dataset/reg/10_object` ## 训练 准备好训练数据，确认待训练数据窗口中的数据是你想要的之后，就可以开始训练了。 <img width="512" alt="" src="https://github.com/liasece/sd-webui-train-tools/blob/main/doc/after_upload_dataset.png?raw=true"> 1. 这个区域显示了真正会用于训练的数据。 2. 这个区域是训练的参数设置区域。 这里有一些训练的参数，你可以根据自己的需要进行调整。默认参数已经可以满足一般情况。Train base model 很重要，一个好的基础模型很大程度影响你的训练效果。 <img width="512" alt="" src="https://github.com/liasece/sd-webui-train-tools/blob/main/doc/begin_train.png?raw=true"> 1. 训练配置区域。 2. 预览参数配置区域。因为训练结束后可以自动预览训练结果，所以这里有一些预览的参数可以一并配置。参考 [预览训练结果](#预览训练结果) 。 3. 训练完成后自动运行预览图生成。 4. 开始训练。 第一次训练时，会去下载一些模型，你可以在命令行中看到下载进度。 <img width="512" alt="" src="https://github.com/liasece/sd-webui-train-tools/blob/main/doc/training.png?raw=true"> 在 stable-diffusion-webui 的运行命令行中可以看到训练的过程及进度。 ### 使用 SD2 或 SDXL 作为基础模型 请正确勾选 `Base on Stable Diffusion V2` 或者 `Base on Stable Diffusion XL` ，否则会导致训练失败。 ### 高级 sd_script 参数追加或覆盖 在 `Append or override the sd_script args.` 文本框中输入参数，务必使用 `--` 开头的参数，例如：`--lr_scheduler="constant_with_warmup" --max_grad_norm=0.0` 。插件代码中会使用 `--` 分隔符作为参数间的分隔符。 ### 一次训练多种参数训练，充分利用你睡觉时的 GPU 有时，一套训练配置可能并不是最优的。等待你的训练结束然后再重新开始训练，这样的效率太低了。因此，你可以一次性配置多种参数，点击一次训练，自动组合不同的参数进行训练。 你可以直接使用 `,` 分隔不同的参数，如果这个参数支持多选，例如： <img width="512" alt="" src="https://github.com/liasece/sd-webui-train-tools/blob/main/doc/batch_training_parameters.png?raw=true"> 1. 一次性训练学习率为 `0.0002,0.0003,0.0004,0.0005` 的模型。 2. 一次性训练优化器为 `Lion,AdamW` 的模型。 > 如果你认为还有别的参数值得多选，可以提交 Issue 或者 Pull request 告诉我。 在这个例子中，你一次性训练了 8 个模型。分别为： `Lion,0.0002` 、 `Lion,0.0003` 、 `Lion,0.0004` 、 `Lion,0.0005` 、 `AdamW,0.0002` 、 `AdamW,0
Excerpt of 7,596 characters
Read on GitHubWould you bet a product on this? Bounded 0–100 and slow moving.
matched fp:be256ca90587d645, desc:lora