更新日志

1. 参数文件夹

超好用的一个参数复用功能，文本框内可以选择最近使用的参数文件路径，右侧四个按钮从左到右分别是刷新、打开、保存/新建、将当前参数文件写入GUI ![[Pasted image 20240512104103.png]]

image.png

2. 文件路径

分别是输出文件(output directory)，正则化训练集(reg directory)和日志路径(logging directory)，这里的日志路径，如果有在训练时使用tensorboard查看训练状态的需求，务必填写 ![[Pasted image 20240512105256.png]]

image.png

3. Repeats/Epoch/BatchSize/Total Steps

  1. 训练轮次（epoch），是指模型对数据集完整遍历学习的次数，例如“5 epoch”是指模型完整地学习了5遍数据集。
  2. 遍历学习次数（repeats），是指每个轮次下，每张图片的学习次数。例如，你将轮次设置为“5 epoch”，将遍历学习次数设置为“25 repeats”，那么模型将完整地学习5遍数据集，并在每一轮训练中将每张图像重复学习25次。当你的概念文件夹命名规范时（num_name），“num”会覆盖你设置的遍历学习次数。
  3. 批次大小（batch size），是指模型完成一次遍历学习会同时学习几张图像，这个参数通常高一些拟合度会比较好，但由于过于吃显存，所以通常情况下设置为2就行。
  4. 总学习步数（Total Steps），是所有训练次数的总和，模型对1张图像的1次遍历学习（repeats）就算是“1 step”，例如，你在一个含有20张图像的数据集里，将轮次设置为“5 epoch”，将遍历学习次数设置为“25 repeats”，将batch size设置为2，则总学习步数为1250步（5_25_20/2 = 1250）。

注意

Kohya_ss 会计算每个 Epoch 的训练步数（num batches per epoch），然后根据以下逻辑确定最终的训练轮次：

  1. 如果设置了 Max train steps，则会将其除以每个 Epoch 的训练步数，得到一个最大 Epoch 数，这个epoch数会覆盖你设置的epoch
  2. 解决办法就是保持默认”0“

4. Instance Prompt和Class Prompt