SimpleTuner项目中SD3模型全参数微调的学习率优化实践

背景介绍

在Stable Diffusion 3(简称SD3)模型的全参数微调(full finetuning)过程中，学习率(LR)的选择对训练效果有着至关重要的影响。本文基于SimpleTuner项目的实践经验，探讨SD3模型全参数微调时的学习率设置策略。

学习率设置的挑战

在SD3模型的全参数微调中，开发者遇到了几个关键现象：

1. 当使用1e-6的学习率时，模型在4000步训练后几乎看不到明显变化
2. 将学习率提高到1e-5后，模型开始出现轻微变化
3. 使用1e-4的高学习率时，模型风格开始有所改进，但学习速度仍然较慢

值得注意的是，1e-4的学习率对于SD1.5或SDXL模型来说通常会导致模型"炸毁"(nuked)，但在SD3上却表现出相对稳定的训练过程。

BitFit技术的影响

SimpleTuner项目在全模型微调时默认启用了BitFit技术，这是一种特殊的微调策略：

• 冻结模型所有权重参数
• 仅调整模型的偏置(bias)项
• 允许使用更高的学习率而不易导致模型崩溃

这种技术源自论文《BitFit: Simple Parameter-efficient Fine-tuning for Transformer-based Masked Language-models》，它通过限制可训练参数的范围，实现了更稳定的微调过程。

训练策略建议

基于实践经验，我们推荐以下SD3全参数微调策略：

1. 禁用BitFit：通过注释掉export USE_BITFIT=true来关闭BitFit，实现真正的全参数微调
2. 学习率选择：从1e-5开始尝试，逐步调整
3. 监控指标：关注模型输出的以下退化迹象(按出现顺序)：
   • 开始生成方形网格状无意义图案
   • 失去深度感
   • 对比度下降
   • 提示词跟随能力减弱

训练观察

在全参数微调模式下，模型行为表现出两个极端：

1. 学习停滞：模型似乎对训练数据没有反应
2. 突然崩溃：模型迅速过拟合训练数据中最差的部分，导致质量急剧下降

这种"全有或全无"的特性使得SD3的全参数微调比之前的Stable Diffusion版本更具挑战性。

实践建议

对于希望进行SD3全参数微调的开发者，我们建议：

1. 从小学习率开始(1e-6)，逐步提高
2. 密切监控验证集输出质量
3. 考虑使用梯度累积来增大有效batch size
4. 对于风格微调，可以优先尝试LoRA等参数高效微调方法
5. 准备充足的高质量训练数据(至少数千张精心筛选的图片)

通过合理的超参数设置和训练策略，开发者可以在SD3上实现有效的全参数微调，获得理想的风格或概念迁移效果。