kohya_ss/MANUAL_TRAIN.md

I. 단일폴더 수동 학습 사용 예시

1. 기본 사용 (자동 계산)

run-train-single --folder ../dataset/training/01_alice

2. Epochs만 수동 지정

run-train-single --folder ../dataset/training/01_alice --epochs 25

3. 세밀한 조정

run-train-single ^
  --folder ../dataset/training/01_alice ^
  --epochs 30 ^
  --repeats 50 ^
  --lr 0.00015 ^
  --dim 64 ^
  --alpha 32

4. 고해상도 학습

run-train-single ^
  --folder ../dataset/training/01_alice ^
  --resolution 1024,1024 ^
  --batch-size 1

5. 빠른 테스트

run-train-single ^
  --folder ../dataset/training/01_alice ^
  --epochs 5 ^
  --repeats 10 ^
  --save-every 1

6. 완전 수동 모드

run-train-single ^
  --folder ../dataset/training/01_alice ^
  --no-auto ^
  --epochs 20 ^
  --repeats 30 ^
  --lr 0.0001 ^
  --optimizer AdamW8bit ^
  --scheduler cosine

주요 기능

✨ 자동 + 수동 하이브리드

• 기본값은 자동 계산
• 원하는 파라미터만 오버라이드
• --no-auto 플래그로 완전 수동 제어

🎯 주요 파라미터

파라미터	설명	예시
--folder	학습 폴더 (필수)	../dataset/training/01_alice
--output	출력 이름	alice_v2
--epochs	Epoch 수	20
--repeats	반복 횟수	30
--lr	Learning rate	0.0001
--dim	Network dimension	64
--alpha	Network alpha	32
--resolution	해상도	1024,1024
--batch-size	배치 크기	2
--optimizer	Optimizer	AdamW8bit, Lion, Prodigy
--scheduler	LR Scheduler	cosine, constant
--save-every	저장 주기	5

비교

train_batch.py (일괄 자동)

# 여러 폴더 자동 학습
python train_batch.py
→ 01_alice, 02_bob, 03_background 모두 학습

train_single.py (단일 수동)

# 특정 폴더만 세밀 조정
run-train-single --folder ../dataset/training/mainchar/01_alice --epochs 30 --lr 0.00015
→ alice만 커스텀 파라미터로 학습

워크플로우 추천

초보자

# 1. 먼저 일괄 자동으로 테스트
python train_batch.py

# 2. 결과가 좋지 않은 캐릭터만 재학습
run-train-single --folder ../dataset/training/mainchar/01_alice --epochs 25

고급 사용자

# 처음부터 세밀하게 조정
run-train-single ^
  --folder ../dataset/training/mainchar/01_alice ^
  --epochs 30 ^
  --repeats 50 ^
  --lr 0.00012 ^
  --dim 64 ^
  --alpha 32 ^
  --optimizer Prodigy ^
  --resolution 1024,1024

II. 단일폴더 학습재개(resume) 방법

1. 기본 Resume

run-train-single --folder ../dataset/training/mainchar/01_alice --resume ../output_models/alice-epoch-010.safetensors

2. Resume + Learning Rate 조정 (Fine-tuning)

run-train-single --folder ../dataset/training/mainchar/01_alice ^
    --folder ../dataset/training/01_alice ^
    --resume ../output_models/alice-epoch-010.safetensors ^
    --epochs 20 ^
    --lr 0.00005

3. Resume + 더 많은 데이터

run-train-single --folder ../dataset/training/mainchar/01_alice ^
  --folder ../dataset/training/01_alice_more ^
  --resume ../output_models/alice-epoch-015.safetensors ^
  --epochs 10

주의사항

✅ Resume 시 동일하게 유지해야 할 것

• --dim (network_dim)
• --alpha (network_alpha)
• 네트워크 구조 관련 설정

⚠️ Resume 시 변경 가능한 것

• --epochs (더 학습)
• --lr (learning rate 조정)
• --repeats (데이터 반복)
• --optimizer (optimizer 변경)
• --scheduler (스케줄러 변경)

❌ Resume 시 변경하면 안되는 것

# 잘못된 예
run-train-single \
  --folder ../dataset/training/01_alice \
  --resume ../output_models/alice-epoch-010.safetensors \
  --dim 64  # ❌ 원래 32였으면 에러!

실전 예시

시나리오 1: 학습이 중단됨

# 10 epoch에서 중단
# → 10 epoch부터 이어서 15 epoch까지

run-train-single ^
  --folder ../dataset/training/01_alice ^
  --resume ../output_models/alice-epoch-010.safetensors ^
  --epochs 15

시나리오 2: Overfitting 방지 (LR 감소)

# 학습률 낮춰서 Fine-tuning
run-train-single ^
  --folder ../dataset/training/01_alice ^
  --resume ../output_models/alice-epoch-015.safetensors ^
  --epochs 25 ^
  --lr 0.00005

시나리오 3: 데이터 추가 후 재학습

# 이미지 20장 → 50장으로 증가
run-train-single ^
  --folder ../dataset/training/01_alice_extended ^
  --resume ../output_models/alice-epoch-015.safetensors ^
  --epochs 10 ^
  --repeats 20

출력 예시

======================================================================
🎯 SDXL LoRA Training - Single Mode
======================================================================
📁 Folder:         ../dataset/training/01_alice
💾 Output:         alice.safetensors
📋 Config:         config-24g.json
🖥️  GPU:            0 (24GB VRAM)
⚡ Precision:      bf16
🔄 Resume from:    ../output_models/alice-epoch-010.safetensors
----------------------------------------------------------------------
📊 Training Parameters
----------------------------------------------------------------------
  Images:          25
  Repeats:         48 (auto)
  Epochs:          20 (manual)
  Batch size:      1
  Images/epoch:    1200
  Steps/epoch:     1200
  Total steps:     24000
======================================================================

학습을 시작하시겠습니까? (y/N): y

🔄 Resuming from: ../output_models/alice-epoch-010.safetensors

🚀 Starting training...