Stable Diffusionの学習、画像生成、その他のスクリプトを入れたリポジトリです。
GUIやPowerShellスクリプトなど、より使いやすくする機能がbmaltais氏のリポジトリで提供されています（英語です）のであわせてご覧ください。bmaltais氏に感謝します。
kohya-ss氏のWindows用リポジトリをWSL2 on Dockerで利用できるようにしたリポジトリです。kohya-ss氏に感謝します。
以下記載はほぼオリジナルのリポジトリと同様で、環境構築部分を変更しています。
以下のスクリプトがあります。
- DreamBooth、U-NetおよびText Encoderの学習をサポート
- fine-tuning、同上
- 画像生成
- モデル変換（Stable Diffision ckpt/safetensorsとDiffusersの相互変換）
当リポジトリ内およびnote.comに記事がありますのでそちらをご覧ください（将来的にはすべてこちらへ移すかもしれません）。
- note.com 環境整備とDreamBooth学習スクリプトについて
- fine-tuningのガイド: BLIPによるキャプショニングと、DeepDanbooruまたはWD14 taggerによるタグ付けを含みます
- note.com 画像生成スクリプト
- note.com モデル変換スクリプト
- Windows 10
- RTX2080Ti
- Docker Desktop（インストールはここを参照）
Dockerが起動している状態で以下コマンドを実行する。
docker build . -t diffuser:0.1docker run --gpus all -it --rm -v {このフォルダまでの絶対パス}/sd-scripts-wsl2-docker:/work diffuser:0.1
(ここからコンテナ内での操作)
cd /work
accelerate config
accelerate configの質問には以下のように答えてください。（bf16で学習する場合、最後の質問にはbf16と答えてください。）
※0.15.0から日本語環境では選択のためにカーソルキーを押すと落ちます（……）。数字キーの0、1、2……で選択できますので、そちらを使ってください。
- This machine
- No distributed training
- NO
- NO
- NO
- all
- fp16※場合によって ValueError: fp16 mixed precision requires a GPU というエラーが出ることがあるようです。この場合、6番目の質問（
What GPU(s) (by id) should be used for training on this machine as a comma-separated list? [all]:）に「0」と答えてください。（id 0のGPUが使われます。）
LoRAの実装はcloneofsimo氏のリポジトリを基にしたものです。感謝申し上げます。
スクリプトのライセンスはASL 2.0ですが（Diffusersおよびcloneofsimo氏のリポジトリ由来のものも同様）、一部他のライセンスのコードを含みます。
Memory Efficient Attention Pytorch: MIT
bitsandbytes: MIT
BLIP: BSD-3-Clause