ข้ามไปยังเนื้อหา
tutorialใช้เวลาอ่าน 4 นาที

คู่มือการใช้งาน SD-Scripts GUI เทรน LoRA ด้วย kohya-ss sd-scripts ทั้งบน Windows และ Cloud

SD-Scripts GUI คือหน้าจอแบบเว็บและเดสก์ท็อปสำหรับ kohya-ss sd-scripts(เปิดในแท็บใหม่) ช่วยแปลง argument ยาว ๆ ของสคริปต์เทรน 24 ตัวของ sd-scripts ให้เป็นฟอร์ม จัดคิวงาน และแสดง log กับผลลัพธ์แบบสด ส่วนการเทรนจริงทำโดย sd-scripts

Feature ที่มีใน SD-Scripts GUI

  • รองรับหลายตระกูลโมเดล: SD 1.5 / 2.x, SDXL, SD3, FLUX, Lumina, Anima, HunyuanImage, MOSS-Image โดยแต่ละหน้ามี preset (LoRA, Fine-tune, DreamBooth, ...)
  • ดาวน์โหลดโมเดลเข้า workspace ได้ในคลิกเดียว
  • จัดการ Dataset ได้ในหน้าเว็บ ทั้งอัปโหลดภาพ แก้ caption และสร้าง dataset config (TOML)
  • ระบบคิวงาน ดู log สด ความคืบหน้า และดาวน์โหลดไฟล์ผลลัพธ์ได้ทันที
  • ใช้ได้ทั้งบน Windows และ Cloud (Runpod / Vast.ai)
  • รองรับภาษาไทยและภาษาอังกฤษ สลับได้ที่ปุ่ม EN | TH ท้าย sidebar

ลำดับการใช้งานคือ ดาวน์โหลด (เอาโมเดล) → ชุดข้อมูล (Datasets) (ภาพและ dataset config) → เทรน (กรอกฟอร์ม แล้วกด เพิ่มเข้าคิว) → งาน (กด เริ่ม ดูความคืบหน้า แล้วดาวน์โหลดผลลัพธ์)

วิธีการติดตั้ง

ติดตั้งบน Windows

รายการความต้องการ
ระบบปฏิบัติการWindows 10 หรือ 11 แบบ 64-bit
GPUNVIDIA พร้อม driver ที่รองรับ CUDA 12.8
พื้นที่ดิสก์ว่างประมาณ 25 GB สำหรับ environment รวมกับโมเดล
WebView2ใช้สำหรับหน้าต่างเดสก์ท็อป มีมาให้แล้วใน Windows 11 ถ้าไม่มีให้ใช้ run-browser.bat
  1. ดาวน์โหลด sd-scripts-gui-vX.Y.Z.zip จาก GitHub Releases(เปิดในแท็บใหม่)
  2. แตกไฟล์ไปไว้ใน path สั้น ๆ ที่เป็นตัวอักษร ASCII ล้วน เช่น C:\sd-gui หลีกเลี่ยงโฟลเดอร์ที่มีช่องว่าง ตัวอักษรไทย หรือชื่อยาวมาก
  3. ดับเบิลคลิก install.bat ตัวติดตั้งจะลง uv, Python 3.12, sd-scripts และ PyTorch (CUDA 12.8) ให้อัตโนมัติ รันซ้ำได้อย่างปลอดภัย
  4. เปิดโปรแกรมด้วย run.bat (หน้าต่างเดสก์ท็อป) หรือ run-browser.bat (เปิดในเบราว์เซอร์ที่ http://127.0.0.1:8000)

หมายเหตุ : ที่ไม่มีไฟล์ .exe เพราะไฟล์ที่ไม่ได้ลงนามดิจิทัลมักถูกแอนตี้ไวรัสกักกัน ไฟล์ .bat สามารถเปิดอ่านได้ทุกบรรทัดก่อนรัน

การอัปเดตให้ดาวน์โหลด zip ใหม่แล้วแตกทับโฟลเดอร์เดิม (โมเดล dataset และผลลัพธ์ยังอยู่ครบ) แล้วรัน install.bat อีกครั้ง

ใช้งานบน Runpod

Template นี้ตั้งค่า image, port และ volume ไว้ให้แล้ว เลือกการ์ดจอและขนาด volume แล้วกด Deploy ได้เลย

หมายเหตุ : การ์ดจอบนเครื่องต้องมี driver ที่รองรับ CUDA 12.8 ขึ้นไป

ใช้งานบน Vast.ai หรือตั้งค่า Runpod เอง

ใช้ Docker image ตัวนี้ได้เลย

รายการค่า
Container imageghcr.io/vjumpkung/vjump-sd-scripts-gui:latest
Expose HTTP ports8000 (GUI), 8888 (JupyterLab)
Volume mount path/workspace
Environment variablesSD_SCRIPTS_GUI_PASSWORD (แนะนำ), HF_TOKEN (ถ้าต้องโหลดโมเดลที่ต้องขอสิทธิ์)

บน Runpod เมื่อ pod ทำงานแล้วให้เข้าผ่าน https://<POD_ID>-8000.proxy.runpod.net

เรื่องรหัสผ่าน : GUI จะถามชื่อผู้ใช้และรหัสผ่านทุกครั้ง ใส่ชื่อผู้ใช้อะไรก็ได้ ส่วนรหัสผ่าน

  • ถ้าตั้ง SD_SCRIPTS_GUI_PASSWORD ไว้ ให้ใช้ค่านั้น
  • ถ้าไม่ได้ตั้ง ระบบจะสุ่มรหัสผ่านให้ทุกครั้งที่เริ่ม ให้เปิดแท็บ Logs ของ pod แล้วหาบรรทัด GUI login: any username / password: ...

บน Vast.ai ไม่ควรใช้ address แบบ http:// ธรรมดาเพราะรหัสผ่านจะไม่ถูกเข้ารหัส และอย่าใส่รหัสผ่านตายตัวไว้ใน template ที่แชร์ให้คนอื่น

ทุกอย่างที่สำคัญ (โมเดล dataset ผลลัพธ์ ประวัติงาน) อยู่ใต้ /workspace ดังนั้นให้เก็บไว้บน volume ถาวร

ขั้นตอนการเทรน LoRA ตัวแรก

ตัวอย่างนี้จะเทรน SD 1.5 LoRA สิ่งที่ต้องมีคือโฟลเดอร์ภาพ (ลองครั้งแรก 10 ถึง 30 ภาพก็พอ) และแต่ละภาพควรมี caption ในไฟล์ .txt ชื่อเดียวกัน เช่น cat01.png + cat01.txt

1. ดาวน์โหลดโมเดล

เปิดหน้า ดาวน์โหลด แล้วกด ดาวน์โหลด ที่ Stable Diffusion 1.5 (ประมาณ 4 GB) ความคืบหน้าจะแสดงบนการ์ด เมื่อขึ้นว่า ติดตั้งแล้ว ก็พร้อมใช้งาน

หมายเหตุ : บางโมเดลต้องใช้ Huggingface Token ดูวิธีขอได้ที่ วิธีการขอ Huggingface Access Token แล้วนำไปใส่ในหน้า ตั้งค่า

2. อัปโหลดภาพ

เปิด ชุดข้อมูล (Datasets) แล้วเลือกแท็บ โฟลเดอร์ภาพ สร้างโฟลเดอร์ใหม่ (ใช้ตัวอักษร ตัวเลข จุด ขีดล่าง และขีดกลาง ยาวไม่เกิน 64 ตัวอักษร) แล้วเปิดเข้าไป

กด เลือกไฟล์ แล้วเลือกภาพพร้อมไฟล์ caption .txt โปรแกรมจะจับคู่ caption กับภาพจากชื่อไฟล์ให้อัตโนมัติ จากนั้นกด อัปโหลด N ภาพ

ใต้แต่ละภาพจะแสดง caption สามารถแก้ไขแล้วบันทึกได้ตรงนั้นเลย

3. สร้าง dataset config

dataset config คือไฟล์ TOML ที่บอก sd-scripts ว่าภาพอยู่ที่ไหนและจัด bucket อย่างไร เปิดแท็บ คอนฟิกชุดข้อมูล (Dataset configs) แล้วกด สร้าง config ใหม่

  1. ตั้ง ชื่อ
  2. ใน ตัวเลือกทั่วไป ช่อง นามสกุลไฟล์ caption เป็น .txt อยู่แล้ว
  3. ใน ชุดข้อมูลที่ 1 ตั้ง Resolution (กว้าง × สูง) เป็น 512 × 512 สำหรับ SD 1.5
  4. ใน ชุดย่อยที่ 1 เลือกโฟลเดอร์ภาพ และตั้ง จำนวนรอบซ้ำ (Repeat)
  5. กด บันทึก

กด ตรวจสอบ บนการ์ดเพื่อเช็กว่าโฟลเดอร์มีอยู่จริง และนับจำนวนภาพกับ caption

4. กรอกฟอร์มเทรน

เปิด เทรน > SD 1.5 / 2.x แล้วใช้แท็บ SD 1.5 LoRA

  1. ชื่องาน : ตั้งชื่ออะไรก็ได้ ชื่อไฟล์ผลลัพธ์จะตามชื่อนี้
  2. คอนฟิกชุดข้อมูล (Dataset config) : เลือก config ที่สร้างไว้ในขั้นตอนที่ 3
  3. ไฟล์โมเดล > โมเดลตั้งต้น : กด ใช้ path ที่แนะนำ ป้ายจะขึ้นว่า ติดตั้งแล้ว

ค่าเริ่มต้นใช้ได้เลย: network rank 16, learning rate 1e-4, 10 epoch, AdamW8bit ในส่วน หน่วยความจำและความเร็ว ให้ตั้ง Mixed precision เป็น bf16 ถ้าใช้การ์ดจอ RTX 30xx ขึ้นไป

สามารถอ่านความหมายของ parameters ต่าง ๆ เพิ่มเติมได้จาก คู่มือการ Train LoRA สำหรับ Stable Diffusion ด้วย kohya_ss

5. เพิ่มเข้าคิว

รายการ ความพร้อม ทางขวาจะบอกว่ายังขาดอะไร เมื่อขึ้นว่า พร้อมเพิ่มเข้าคิวแล้ว ให้กด เพิ่มเข้าคิว ส่วน ตัวอย่างคำสั่ง จะแสดงคำสั่งจริงที่จะรัน

หมายเหตุ : คิวเริ่มต้นในสถานะหยุดชั่วคราว จึงยังไม่มีอะไรรันจนกว่าจะกดเริ่ม

6. เริ่มงาน

เปิดหน้า งาน แล้วกด เริ่ม โปรแกรมจะรันทีละหนึ่งงาน และคิวจะหยุดชั่วคราวอีกครั้งเมื่องานจบ

Log การเทรน แสดงผลลัพธ์ของ sd-scripts แบบสด พร้อมความคืบหน้าของ step และ epoch ถ้าต้องการหยุดให้กด ยกเลิก

7. ดาวน์โหลดผลลัพธ์

เมื่องานเสร็จสิ้น การ์ด ไฟล์ผลลัพธ์ จะแสดงรายการไฟล์ สุดท้าย คือ LoRA ที่เทรนเสร็จ ส่วนไฟล์ epoch และ step คือ checkpoint ระหว่างทาง กดไอคอนดาวน์โหลดทีละไฟล์ หรือกด ดาวน์โหลดทั้งหมด เพื่อรับเป็นไฟล์ zip

นำไฟล์ .safetensors ไปไว้ในโฟลเดอร์ LoRA ของโปรแกรมที่ใช้สร้างภาพ เช่น ComfyUI ก็ใช้งานได้เลย

ถ้างานล้มเหลว ให้ดูท้าย log จะบอกสาเหตุไว้

ไฟล์อยู่ที่ไหน

ทุกอย่างอยู่ในโฟลเดอร์ workspace (<โฟลเดอร์ที่ติดตั้ง>\workspace บน Windows และ /workspace บน Cloud)

โฟลเดอร์เนื้อหา
workspace/models/ไฟล์โมเดลที่ดาวน์โหลด
workspace/datasets/โฟลเดอร์ภาพ
workspace/outputs/ไฟล์ LoRA และ checkpoint ที่เทรนเสร็จ
workspace/logs/log ของ TensorBoard

เอกสารเพิ่มเติม

คู่มือฉบับเต็ม (การเทรนโมเดลอื่น ๆ, เคล็ดลับประหยัด VRAM, การแก้ปัญหา) อ่านได้ที่ SD-Scripts GUI Docs(เปิดในแท็บใหม่)

หากมีคำถาม ข้อเสนอแนะ หรือเจอบั๊ก สามารถติดต่อได้ที่ เพจ Facebook(เปิดในแท็บใหม่) หรือ GitHub issues(เปิดในแท็บใหม่)

vjumpkung
เขียนโดยvjumpkung