OneTrainer项目Stable Cascade模型训练配置指南

概述

在使用OneTrainer进行Stable Cascade模型训练时，许多用户遇到了基础模型配置问题。本文将详细介绍如何正确配置Stable Cascade各阶段模型路径，确保训练流程顺利进行。

模型准备阶段

训练Stable Cascade需要准备以下关键组件：

1. Effnet编码器：必须手动下载effnet_encoder.safetensors文件
2. 基础模型：应设置为stableai/stable-cascade-prior
3. 解码器模型：使用stabilityai/stable-cascade

配置步骤详解

1. 创建模型目录：在OneTrainer根目录下创建/models/文件夹
2. 放置Effnet文件：将下载的effnet_encoder.safetensors放入/models/目录
3. 模型路径设置：
   • 基础模型路径：stableai/stable-cascade-prior
   • Effnet编码器路径：./models/effnet_encoder.safetensors
   • 解码器模型路径：stabilityai/stable-cascade

训练模式选择

OneTrainer支持两种Stable Cascade训练模式：

1. 完整模型训练：

   • 适用于3.6B参数的Stage C训练
   • 可保持prior字段为空，系统将默认使用较大模型

2. LoRA训练：

   • 配置方式与完整模型训练类似
   • 训练完成后会在/models/model/目录生成text_encoder和stage_c文件

常见问题解决方案

1. 文件缺失错误：

   • 确保所有必需文件已正确下载并放置
   • 检查文件路径是否正确配置

2. 模型版本选择：

   • 1B和3.6B版本的选择通过prior字段控制
   • 留空将默认使用3.6B版本

3. LoRA兼容性警告：

   • 可忽略来自diffusers库的LoRACompatibleLinear警告
   • OneTrainer不使用PEFT后端

数据集准备建议

1. 使用与SD1.5/SD2.1相同的配对文本文件结构
2. 推荐使用基于VIT-H的叙事式标注结构
3. 确保图像文件和文本文件名称匹配

总结

通过正确配置模型路径和训练参数，OneTrainer可以高效完成Stable Cascade模型的训练任务。建议用户在正式训练前先进行小规模测试运行，验证配置正确性后再开展完整训练。