Platform For AI:EAS で Kohya_ss を使用した LoRA SD モデルのデプロイ

前提条件

• Platform for AI (PAI) を有効化し、デフォルトのワークスペースを作成済みであること。詳細については、「PAI の有効化とデフォルトワークスペースの作成」をご参照ください。

• RAM ユーザーを使用してモデルをデプロイする場合、その RAM ユーザーに EAS の管理権限を付与する必要があります。詳細については、「EAS のクラウドサービスの依存関係と権限付与」をご参照ください。

• トレーニングデータ、出力モデルファイル、ログを保存するために、同じリージョンに Object Storage Service (OSS) バケットとディレクトリを作成済みであること。ファイルのアップロード方法については、「OSS コンソールを使用したファイルのアップロード」をご参照ください。

事前準備

1. OSS コンソールにログインし、同じリージョン内のバケットパスに移動します。例：oss://kohya-demo/kohya/。

2. バケット内に、新しいプロジェクトフォルダを作成します。例：KaraDetroit_loar。このプロジェクトフォルダ内に、Image、Log、Model の 3 つのサブフォルダを作成します。JSON 設定ファイルがある場合は、このプロジェクトフォルダにアップロードすることもできます。

   

   • Image：トレーニングデータを保存します。

   • Model：出力モデルファイルを保存します。

   • Log：ログを保存します。

   • SS_config.json：(任意) パラメーターを一括設定するための JSON ファイルです。このファイルを使用すると、フォルダパスや出力モデル名などのパラメーターを変更できます。設定の詳細については、GitHub 上のプロジェクトをご参照ください。サンプル JSON ファイルについては、「SS_config.json」をご参照ください。

3. 準備した画像を Image フォルダにアップロードします。このチュートリアルでは、100_pic.zip のサンプル画像と説明ファイルを使用します。ファイルをダウンロードして解凍し、生成されたフォルダを OSS にアップロードします。結果は次の図のようになります。

   

   重要

   • サポートされている画像フォーマットは .png、.jpg、.jpeg、.webp、.bmp です。

   • 各画像には、同じ名前で拡張子が .txt の対応する説明ファイルが必要です。説明は最初の行に記述する必要があります。複数の説明タグがある場合は、カンマで区切ります。

   • イメージフォルダ名は number_name の形式に従う必要があります。例：100_pic。number は、トレーニング中に各画像が繰り返される回数を指定し、推奨値は 100 以上です。name は、OSS のファイル命名規則に準拠する任意の文字列です。トレーニングステップの合計数は、通常 1,500 以上である必要があります。

     • フォルダに 10 枚の画像が含まれている場合、各画像は 1500 / 10 = 150 回トレーニングされます。フォルダ名の数字は 150 になります。

     • フォルダに 20 枚の画像が含まれている場合、各画像は 1500 / 20 = 75 回トレーニングされ、推奨の 100 回未満です。この場合、フォルダ名の数字は 100 にする必要があります。

Kohya_ss サービスのデプロイ

1. PAI コンソールにログインします。ページ上部でリージョンを選択します。次に、目的のワークスペースを選択し、Elastic Algorithm Service (EAS) をクリックします。

2. [サービスのデプロイ] をクリックします。[カスタムモデルのデプロイ] セクションで、[カスタムデプロイ] をクリックします。

3. [カスタムデプロイ] ページで、フォームまたは JSON スクリプトを使用してパラメーターを設定します。

   フォームを使用したパラメーターの設定

   パラメーター		説明
   基本情報	サービス名	サービスにカスタム名を入力します。このチュートリアルでは kohya_ss_demo を使用します。
   環境情報	デプロイ方法	[イメージベースのデプロイ] を選択し、[Web アプリケーションを有効化] を選択します。
   	イメージ設定	[Alibaba Cloud イメージ] リストから [Kohya_ss] > [kohya_ss:2.2] を選択します。 説明 イメージのバージョンは頻繁に更新されます。サービスをデプロイする際は、最新バージョンを選択してください。
   	ストレージのマウント	OSS マウントタイプを選択し、次のパラメーターを設定します。 URI：同じリージョン内の OSS パスを選択します。このチュートリアルでは oss://kohya-demo/kohya/ を使用します。 マウントパス：カスタムパスを入力します。このチュートリアルでは /workspace を使用します。 重要 [読み取り専用モードを有効化] スイッチは無効のままにしてください。そうしないと、モデルファイルをご利用の OSS バケットに書き込めなくなります。
   	コマンド	イメージを選択すると、このフィールドはシステムによって自動的に入力されます。このチュートリアルでは、python -u kohya_gui.py --listen=0.0.0.0 --server_port=8000 --headless を使用します。 --listen：アプリケーションを特定のローカル IP アドレスにバインドして、外部リクエストを受信および処理します。 --server_port：リッスンするポート番号を指定します。
   リソース情報	リソースタイプ	[パブリックリソース] を選択します。
   	デプロイリソース	[インスタンスタイプ] には、コスト効率が最も高い GPU > ml.gu7i.c16m60.1-gu30 を推奨します。このチュートリアルでは、利用可能な最小仕様である ml.gu7i.c8m30.1-gu30 を使用します。

   JSON スクリプトを使用したパラメーターの設定

   [サービス設定] セクションで [編集] をクリックし、JSON スクリプトを設定します。

   サンプル JSON ファイル：

   重要

   4 行目の "name" の値と 18 行目の "oss" の値を実際の値に置き換えてください。

   {
       "metadata":
       {
           "name": "kohya_ss_demo",
           "instance": 1,
           "enable_webservice": true
       },
       "cloud":
       {
           "computing":
           {
               "instance_type": "ecs.gn6e-c12g1.12xlarge",
               "instances": null
           }
       },
       "storage": [
       {
           "oss":
           {
               "path": "oss://kohya-demo/kohya/",
               "readOnly": false
           },
           "properties":
           {
               "resource_type": "model"
           },
           "mount_path": "/workspace"
       }],
       "containers": [
       {
           "image": "eas-registry-vpc.cn-hangzhou.cr.aliyuncs.com/pai-eas/kohya_ss:1.2",
           "script": "python -u kohya_gui.py --listen=0.0.0.0 --server_port=8000 --headless",
           "port": 8000
       }]
   }

4. フォームの設定を確認し、[デプロイ] をクリックします。デプロイが完了するまで数分かかります。[サービスステータス] が [実行中] に変わると、サービスは正常にデプロイされています。

LoRA モデルのファインチューニング

1. サービスリストで対象のサービスを見つけ、[概要] 列の [Web アプリケーション] をクリックして、Kohya_ss サービスの UI を開きます。

2. [LoRA (LoRA)] を選択します。

   

3. [設定ファイル] を設定します。このステップは任意です。SS_config.json ファイルがない場合は、このステップをスキップしてください。

   

   説明

   設定ファイルのパスは、フォームを使用したパラメーターの設定ステップで指定した [マウントパス]、OSS で作成したフォルダのパス、および SS_config.json ファイルを結合して作成されます。このチュートリアルでのパスは次のとおりです。

   /workspace/KaraDetroit_loar/SS_config.json。

4. [ソースモデル] を設定します。このチュートリアルでは、[checkpoint] よりも安全な [safetensors] を使用します。

   

5. [フォルダ] を設定します。OSS で作成した Image、Log、Model フォルダのパスを入力し、出力ファイル名を指定します。

   

   パラメーター	説明
   イメージフォルダ	トレーニング画像を含むフォルダへのパスです。このパスは、サービス設定の [マウントパス] と OSS の Image フォルダパスを結合したものです。このチュートリアルでのパスは /workspace/KaraDetroit_loar/Image です。
   ログフォルダ	ログが保存されるフォルダへのパスです。このパスは、サービス設定の [マウントパス] と OSS の Log フォルダパスを結合したものです。このチュートリアルでのパスは /workspace/KaraDetroit_loar/Log です。
   出力フォルダ	出力モデルが保存されるフォルダへのパスです。このパスは、サービス設定の [マウントパス] と OSS の Model フォルダパスを結合したものです。このチュートリアルでのパスは /workspace/KaraDetroit_loar/Model です。
   モデル出力名	出力モデルファイルの名前です。例：my_model。

6. [パラメーター] を設定します。サンプル値については、事前準備セクションで言及されている SS_config.json の内容をご参照ください。

   パラメーター	説明
   LoRA タイプ	LoRA のタイプ： LoCON：Res、Block、Transformer など、SD のすべてのレイヤーを調整できます。 LoHA：同じサイズでより多くの情報を処理します。
   LoRA ネットワークの重み	任意。モデルのトレーニングを継続する場合、最後にトレーニングされた LoRA ファイルを選択します。
   トレーニングバッチサイズ	トレーニングバッチのサイズです。値が大きいほど、より多くの GPU メモリ (VRAM) が必要になります。
   エポック	トレーニングエポックの数です。1 エポックで全てのデータが 1 回トレーニングされます。必要に応じてパラメーターを設定します。ほとんどの場合、次のようになります。 Kohya での総トレーニングセッション数 = トレーニングに使用される画像数 × 繰り返し回数 × トレーニングエポック数 / トレーニングバッチ数。 Web UI での総トレーニングセッション数 = トレーニングに使用される画像数 × 繰り返し回数。 クラスイメージを使用する場合、Kohya と WebUI の両方で総トレーニングステップ数が 2 倍になり、Kohya でモデルが保存される回数が半分になります。
   N エポックごとに保存	N エポックごとにチェックポイントを保存します。例えば、2 に設定すると、2 エポックごとにトレーニング結果が保存されます。
   キャプション拡張機能	任意。キャプションファイルの拡張子です。例：.txt。
   混合精度	混合精度の設定で、GPU のパフォーマンスに依存します。オプションは no、fp16、bf16 です。30 GB 以上の VRAM を持つ GPU の場合、bf16 が推奨されます。
   精度の保存	保存精度。[混合精度] と同じです。
   コアあたりの CPU スレッド数	コアあたりの CPU スレッド数です。選択したインスタンスと要件に基づいて調整します。
   学習率	学習率です。デフォルトは 0.0001 です。
   学習率スケジューラ	学習率スケジューラです。cosine や cosine with restart などの関数を必要に応じて選択します。
   学習率ウォームアップ (ステップの %)	学習ウォームアップステップの数です。デフォルトは 10 です。ウォームアップが不要な場合は 0 に設定します。
   オプティマイザー	オプティマイザーです。必要に応じて選択します。デフォルトは AdamW8bit です。DAdaptation は自動最適化を提供します。
   最大解像度	最大解像度です。画像のディメンションに基づいて設定します。
   ネットワークランク (ディメンション)	モデルの複雑さです。ほとんどのシナリオでは 128 の値で十分です。
   ネットワークアルファ	この値は通常、[ネットワークランク (ディメンション)] 以下です。一般的な設定は、ネットワークランク 128、ネットワークアルファ 64 です。
   畳み込み次元 & 畳み込みアルファ	畳み込みディメンションで、LoRA ファインチューニングの範囲に影響します。選択した [LoRA タイプ] に基づいて調整します。 Kohya の公式推奨事項： LoCon：dim <= 64 および alpha = 1 (またはそれ以下) に設定します。 LoHA：dim <= 32 および alpha = 1 に設定します。
   Clip skip	CLIP モデルでスキップするレイヤーの数です。値の範囲は 1 から 12 です。値が小さいほど、オリジナルまたは入力画像に近い画像が生成されます。 リアルなモデルの場合は 1 を選択します。 アニメスタイルのモデルの場合は 2 を選択します。
   n ステップごとにサンプリング	N ステップごとにサンプル画像を保存します。
   サンプルプロンプト	次のパラメーターを使用します。 --n：プロンプトまたはネガティブプロンプト。 --w：画像の幅。 --h：画像の高さ。 --d：画像のシード。 --l：Classifier Free Guidance (CFG) スケール。プロンプトと画像生成の関連性を示します。 --s：反復ステップ数。

7. ページの下部にある [トレーニングを開始] をクリックしてトレーニングを開始します。

8. [Elastic Algorithm Service (EAS)] ページで、サービスリスト内の対応するサービス名をクリックします。[ログ] をクリックして、トレーニングの進捗をリアルタイムで表示します。

   

   ログに model saved が表示されたら、トレーニングは完了です。

   

9. トレーニングが完了したら、設定したモデル出力ディレクトリ (Model) で生成された LoRA モデルファイルを見つけます。例：my_model.safetensors。

   

ファインチューニング済み LoRA モデルの Stable Diffusion での使用

LoRA モデルをファインチューニングした後、Stable Diffusion WebUI サービスの適切なディレクトリにアップロードして画像を生成できます。Stable Diffusion サービスのデプロイ方法については、「EAS を使用した数クリックでの AI 画像生成のための Stable Diffusion のデプロイ」をご参照ください。

次のセクションでは、LoRA モデルを [SD Web アプリケーション] にアップロードする方法について説明します。