kohya_ss GUI安装教程

部署运行你感兴趣的模型镜像

kohya_ss GUI安装教程

先附上两张我生成的动漫美女

00013-559677006

00013-559677006

介绍:

This repository contains training, generation and utility scripts for Stable Diffusion.

kohyass是用来训练Stable Diffusion模型的。

1.conda创建python虚拟环境

conda create -n kohyass python=3.10 -y
conda activate kohyass

3.clone项目并下载依赖

git clone https://ghproxy.com/https://github.com/kohya-ss/sd-scripts.git
cd sd-scripts
设置清华源
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
安装依赖
pip install torch==1.12.1+cu116 torchvision==0.13.1+cu116 --extra-index-url https://download.pytorch.org/whl/cu116
pip install --upgrade -r requirements.txt

4.安装xformers(可选)

git clone https://ghproxy.com/https://github.com/facebookresearch/xformers/
cd xformers/

回退到0.0.4dev0版本,保持和kohya-ss使用的windows预编译版本一致,避免可能的兼容问题

git reset --hard 3633e1afc7bffbe61957f04e7bb1a742ee910ace
cd .git/
vi config
替换所有的github链接为加速链接 https://ghproxy.com/
git submodule update --init --recursive
# 强制使用CUDA,不开启可能会导致xformers未和CUDA一起编译
export FORCE_CUDA="1"
# 进入https://developer.nvidia.com/cuda-gpus#compute
# 设置所用显卡对应的Compute Capability,3090和A5000都是8.6
export TORCH_CUDA_ARCH_LIST=7.0
# PATH环境变量中追加cuda目录,确保编译时能识别镜像预置的cuda11.6
export PATH=$PATH:/usr/local/cuda
# 确保gcc编译时能够识别cuda的头文件
export CPATH=/usr/local/cuda/targets/x86_64-linux/include

pip install -r requirements.txt
pip install -e .

在sd-scripts同级目录安装kohya_ss

git clone https://ghproxy.com/https://github.com/bmaltais/kohya_ss.git
pip install --upgrade -r requirements.txt

启动webui

python ./kohya_gui.py --listen 127.0.0.1 --server_port 7860 --inbrowser --share

效果如下:

image-20230424130232093

最后欢迎大家猫说AI(wx搜索哦),会持续分享更多免费教程! 你的关注就是我的动力!

公众号还接入了chatgpt哦,免费给大家使用!

您可能感兴趣的与本文相关的镜像

Python3.8

Python3.8

Conda
Python

Python 是一种高级、解释型、通用的编程语言,以其简洁易读的语法而闻名,适用于广泛的应用,包括Web开发、数据分析、人工智能和自动化脚本

<think>好的,我需要帮助用户找到在Ubuntu上安装Kohya_SS的逐步指南。首先,我要确认Kohya_SS是什么,它可能是一个机器学习或深度学习相关的工具,通常这类项目托管在GitHub上。我应该先建议用户查看官方文档或GitHub仓库,因为这是最权威的来源。 接下来,考虑到用户可能不熟悉环境配置,需要指导他们安装Python和必要的依赖项。例如,使用Python虚拟环境可以避免系统级别的包冲突,所以步骤应该包括创建和激活虚拟环境。 然后,用户可能需要安装CUDA和PyTorch,尤其是如果Kohya_SS依赖于GPU加速的话。根据引用[2],之前有提到添加PPA仓库来安装特定版本的PHP,类似的思路可能适用于安装CUDA,但需要具体查找相关命令。不过,CUDA通常通过NVIDIA的官方渠道安装,可能需要用户先安装合适的驱动。 另外,根据引用[4],在安装GitLab时配置了防火墙,这可能提醒我需要确保必要的端口开放,但Kohya_SS可能不需要特别的防火墙设置,除非它有Web界面。不过还是需要确认。 用户提供的引用中有关于安装Laravel、PHP、Apache模块的内容,但Kohya_SS可能更多依赖Python环境,所以重点应放在Python、pip、虚拟环境以及可能的系统依赖如Git和开发工具上。例如,引用[5]提到启用Apache模块,但这里可能不需要,除非Kohya_SS有Web服务器组件。 可能的安装步骤包括:安装系统依赖(如git、python3-venv)、克隆仓库、创建虚拟环境、安装PyTorch(可能通过pip)、安装项目依赖(requirements.txt)、处理可能的错误(如缺少库)。同时,要注意Ubuntu版本和Python版本的兼容性,可能需要用户升级Python安装特定版本的包。 用户可能需要处理权限问题,比如使用sudo安装系统包,或者在虚拟环境中不需要。此外,如果Kohya_SS有可视化界面或需要GPU支持,可能需要安装NVIDIA驱动、CUDA工具包,这可以参考NVIDIA官方文档,但需要简化步骤,指导用户如何检查驱动安装情况。 最后,生成相关问题需要考虑用户后续可能遇到的困难,比如环境配置、依赖冲突、GPU支持、更新项目等。还要提醒用户查阅官方文档的重要性,以及在遇到错误时如何排查,比如查看日志、搜索常见问题等。</think>以下是基于类似工具的安装流程整理的Kohya_SS在Ubuntu上的安装步骤参考指南: ### 一、系统准备 1. **更新系统** ```bash sudo apt update && sudo apt upgrade -y ``` 2. **安装基础依赖** ```bash sudo apt install -y python3-pip python3-venv git build-essential libgl1 ``` 参考Linux服务器安全配置建议[^3] ### 二、配置Python环境 1. **创建虚拟环境** ```bash python3 -m venv kohya_ss-env source kohya_ss-env/bin/activate ``` 2. **安装PyTorch** ```bash pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu118 # CUDA 11.8版本 ``` ### 三、安装Kohya_SS 1. **克隆仓库** ```bash git clone https://github.com/bmaltais/kohya_ss.git cd kohya_ss ``` 2. **安装项目依赖** ```bash pip install -r requirements.txt ``` 注意:若出现`libpython3.x`缺失错误,需安装`python3.x-dev`包 ### 四、配置加速组件(可选) 1. **安装xFormers** ```bash pip install xformers==0.0.20 ``` 2. **配置TensorRT支持** 参考NVIDIA官方文档安装CUDA工具包 ### 五、运行程序 ```bash python kohya_gui.py ```
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值