Kohya-ss/sd-scripts项目中B-LoRA技术的实现与应用
2025-06-04 14:42:13作者:房伟宁
技术背景
B-LoRA是一种创新的微调技术,专门针对Stable Diffusion模型进行风格与内容分离训练。这项技术通过在UNet架构的特定区块进行针对性训练,实现了对模型生成内容的精确控制,同时最小化对基础模型风格和构图能力的影响。
技术原理
B-LoRA的核心思想是通过限制LoRA训练的目标模块来实现特定能力的训练:
- 内容训练:主要针对UNet中的
output_blocks.0.1
模块 - 风格训练:主要针对UNet中的
output_blocks.1.1
模块 - 布局训练:可选择性地包含
input_blocks.8.1
模块
这种模块化训练方式相比传统LoRA训练具有明显优势:
- 生成内容更忠实于训练数据
- 对基础模型风格影响更小
- 训练参数更少,效率更高
在Kohya-ss/sd-scripts中的实现
虽然Kohya-ss/sd-scripts原生不支持B-LoRA,但可以通过LyCORIS扩展实现类似功能。以下是关键配置要点:
配置文件设置
enable_conv = false
unet_target_module = []
unet_target_name = ["^(?!.*(ff\\.net|proj)).*output_blocks\\.0\\.1\\..*$"]
text_encoder_target_module = ["CLIPAttention"]
text_encoder_target_name = []
这个配置通过正则表达式精确控制了训练目标模块,排除了不必要的投影层和前馈网络层。
训练参数建议
- 保持
network_alpha
等于网络维度 - 推荐使用AdamW优化器
- 设置
network_train_unet_only
以匹配B-LoRA默认行为 - 优化器参数建议:
- weight_decay=1e-04
- betas=(0.9,0.999)
- eps=1e-08
高级应用技巧
- 联合训练:可以同时训练内容和风格模块,后期通过工具筛选保留所需特性
- 权重调整:训练完成后可调整不同模块的权重比例
- 现有LoRA改造:可以从常规LoRA中提取特定模块特性
实际效果评估
经过优化配置后,B-LoRA在Kohya中表现:
- 权重可提升至1.0而不产生图像失真
- 训练效率显著提高
- 生成质量与原生B-LoRA实现相当
未来发展方向
- 布局模块的深入应用研究
- 多模块联合训练的优化策略
- 自动化模块选择算法的开发
这项技术为Stable Diffusion模型微调提供了新的可能性,特别是在需要精确控制生成内容特性的应用场景中。
登录后查看全文
热门项目推荐
相关项目推荐
Hunyuan3D-Part
腾讯混元3D-Part00Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0276community
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息011Hunyuan3D-2
Hunyuan3D 2.0:高分辨率三维生成系统,支持精准形状建模与生动纹理合成,简化资产再创作流程。Python00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
154
1.98 K

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
507
43

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
194
279

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
992
395

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
940
554

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
336
11

openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70