要在 Comfy UI 中训练 LoRA 模型，您可以按照以下步骤进行：
默认情况下，训练结果直接保存在 ComfyUI 的 lora 文件夹中，训练后只需刷新并选择 LoRA 就可以测试。
原作者：***原作者联系方式：原文链接：***发表时间：***发表平台：****嗨，大家！前几天在ComfyUI的subreddit上，我发布了我的LoRA字幕定制节点，非常适用于直接从ComfyUI创建字幕。但字幕只是LoRA训练过程的一半。缺少另一半，我的定制节点会感觉有点孤独。所以我又创建了一个节点，可以直接从ComfyUI训练LoRA模型！默认情况下，它直接保存在你的ComfyUI lora文件夹中。这意味着训练后，你只需刷新（...并选择LoRA）就可以测试它了！这就是进行LoRA训练所需的全部步骤了。制作LoRA从未如此简单！[https://drive.google.com/file/d/1guSFoauzeFMcIvyh2u2RDv](https://drive.google.com/file/d/1guSFoauzeFMcIvyh2u2RDvd41ysdXXMs/view?usp=sharing)[dd](https://drive.google.com/file/d/1guSFoauzeFMcIvyh2u2RDvd41ysdXXMs/view?usp=sharing)[41ysdXXMs/view?usp=sharing](https://drive.google.com/file/d/1guSFoauzeFMcIvyh2u2RDvd41ysdXXMs/view?usp=sharing)下载后，解压并放入custom_nodes文件夹中。然后安装所需的依赖项。如果你不知道如何操作：打开命令提示符，输入以下内容：pip install-r
这就是你需要了解的全部！其余都很简单：你选择一个名字为你的LoRA，如果默认值对你不好，就更改这些值（epochs数应该接近40），然后启动工作流程！一旦你点击Queue Prompt，所有事情都会在命令提示符中发生。去看一下。即使你对LoRA训练是新手，你也会很快明白命令提示符显示了训练的进度。（或者…显示了错误x)。我建议与我的字幕自定义节点和WD14标签一起使用。这条优雅而简单的线完成了字幕和训练！然而，请确保在制作字幕时禁用LoRA训练节点。原因是Comfy可能会在制作字幕之前启动训练。而它会这么做。它不关心是否有字幕存在。所以最好保险起见：在制作字幕时绕过训练节点，然后启用它，再次启动工作流程进行训练。我本可以找到一种方法将训练节点与保存节点关联起来，确保在制作字幕后才进行训练。然而，我决定不这样做。因为即使WD14标签非常出色，你可能还想在训练之前打开字幕并手动编辑它们。在两个节点之间创建链接将使整个过程变得自动化，而不让我们有机会修改字幕。寻求对Tensorboard的帮助！:)字幕，训练...还有一个遗漏的部分。如果你了解LoRA，你应该听说过Tensorboard。这是一个用于分析模型训练数据的系统。我很乐意将其包含在ComfyUI中。...但我完全不知道该怎么做^^’。目前，训练会在log文件夹中创建一个日志文件，该文件夹会在Comfy的根文件夹中创建。我认为该日志是一个我们可以在Tensorboard UI中加载的文件。但我很想让数据出现在ComfyUI中。有人能帮我吗？谢谢^^。我的第一个LoRA的结果：
确保后面有一个空格。然后将requirements_win.txt文件拖到命令提示符中（如果你在Windows上；否则，我假设你应该选择另一个文件requirements.txt）。拖动文件将在命令提示符中复制其路径。按Enter键，这将安装所有所需的依赖项，使其与ComfyUI兼容。请注意，如果你为Comfy使用了虚拟环境，必须首先激活它。教程在使用自定义节点之前，有一些要注意的事项：你的图像必须放在一个以[number]_[whatever]命名的文件夹中。那个数字很重要：LoRA脚本使用它来创建一些步骤（称为优化步骤…但别问我是什么^^’）。它应该很小，比如5。然后，下划线是必须的。其余部分不重--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------p/对于data_path，你必须写入包含数据库文件夹的文件夹路径。因此，在这种情况下：C:\database\5_myimages你必须写C:\database至于终极问题：“斜杠还是反斜杠？”…不用担心！Python在这里需要斜杠，但节点会自动将所有反斜杠转换为斜杠。文件夹名称中的空格也不是问题。参数在第一行，你可以从checkpoint文件夹中选择任何模型。然而，据说你必须选择一个基本模型进行LoRA训练。这是为什么我不得而知。但你完全可以尝试使用微调，没有任何阻碍。但如果你想遵循规则，请确保在checkpoint文件夹中有一个基本模型！