Verdant/test

# LoRA-scripts

LoRA training scripts for [kohya-ss/sd-scripts](https://github.com/kohya-ss/sd-scripts.git)

✨NEW: Train GUI


Follow the installation guide below to install the GUI, then run `run_gui.ps1`(windows) or `run_gui.sh`(linux) to start the GUI.

## Usage

### Clone repo with submodules

```sh
git clone --recurse-submodules https://github.com/Akegarasu/lora-scripts
```

### Required Dependencies

Python 3.10.8 and Git

### Windows

#### Installation

Run `install.ps1` will automaticilly create a venv for you and install necessary deps.

#### Train

Edit `train.ps1`, and run it.

### Linux

#### Installation

Run `install.bash` will create a venv and install necessary deps.

#### Train

Training script `train.sh` **will not** activate venv for you. You should activate venv first.

```sh
source venv/bin/activate
```

Edit `train.sh`, and run it.

#### TensorBoard

Run `tensorboard.ps1` will start TensorBoard at http://localhost:6006/


# LoRA-scripts
面向[kohya-ss/sd-scripts](https://github.com/kohya-ss/sd-scripts.git)的LoRA（Low-Rank Adaptation，低秩适配）训练脚本。

✨新增：训练图形用户界面（Graphical User Interface，GUI）


请按照下方的安装指南完成图形用户界面的安装，随后运行`run_gui.ps1`（Windows系统）或`run_gui.sh`（Linux系统）以启动该界面。

## 使用方法

### 克隆仓库并递归初始化子模块
sh
git clone --recurse-submodules https://github.com/Akegarasu/lora-scripts

### 依赖要求
Python 3.10.8 与 Git

### Windows 系统
#### 安装
运行`install.ps1`将自动为您创建虚拟环境并安装所需依赖项。
#### 训练
编辑`train.ps1`文件后运行即可开始训练。

### Linux 系统
#### 安装
运行`install.bash`将创建虚拟环境并安装所需依赖项。
#### 训练
训练脚本`train.sh`**不会**自动激活虚拟环境，请您先手动激活虚拟环境：
sh
source venv/bin/activate

编辑`train.sh`文件后运行即可开始训练。

#### TensorBoard 可视化工具
运行`tensorboard.ps1`将启动TensorBoard，其访问地址为http://localhost:6006/


原始信息汇总

数据集概述

数据集名称

LoRA-scripts

数据集用途

用于训练LoRA模型，基于kohya-ss/sd-scripts。

安装指南

系统要求

• Python 3.10.8
• Git

安装步骤

1. 克隆包含子模块的仓库： sh git clone --recurse-submodules https://github.com/Akegarasu/lora-scripts

2. 根据操作系统执行相应脚本安装依赖：

   • Windows: 运行 install.ps1 自动创建虚拟环境并安装必要依赖。
   • Linux: 运行 install.bash 创建虚拟环境并安装必要依赖。

使用方法

训练模型

• Windows: 编辑 train.ps1 后运行。
• Linux: 首先激活虚拟环境，然后编辑并运行 train.sh。

使用TensorBoard

运行 tensorboard.ps1 或 tensorboard.sh 启动TensorBoard，访问地址为 http://localhost:6006/。