OneTrainer是一款新开源的一站式训练界面程序，在一个程序内完成打标，采样和训练，相比Kohya训练脚本有更丰富的设置。
支持的模型：Stable Diffusion 1.5、2.0、2.1、SDXL、SD3、Würstchen-v2、PixArt-Alpha 和修复模型
模型格式：扩散器和 ckpt 模型
训练方法：全程微调、LoRA、embeddings
Masked Training：让训练只集中在样本的某些部分。
自动备份：训练期间定期全面备份您的训练进度。这包括无缝继续培训的所有信息。
图像增强：对每个图像样本应用旋转、亮度、对比度或饱和度等随机变换，以快速创建更加多样化的数据集。
Tensorboard：一个简单的张量板集成，用于跟踪训练进度。
每个图像多个提示：根据每个图像样本的多个不同提示训练模型。
噪声调度程序重新缩放：来自论文《常见扩散噪声调度程序和示例步骤有缺陷》
EMA：训练你自己的EMA模型。可以选择将 EMA 权重保留在 CPU 内存中，以减少 VRAM 使用。
长宽比分桶：一次自动训练多个长宽比。只需选择目标分辨率，就会自动创建存储桶。
多分辨率训练：同时训练多个分辨率。
数据集工具：使用 BLIP、BLIP2 和 WD-1.4 自动为数据集添加标题，或使用 ClipSeg 或 Rembg 创建掩码训练掩码。
模型工具：通过简单的 UI 在不同模型格式之间进行转换。
采样 UI：在训练期间对模型进行采样，无需切换到其他应用程序。
AlignProp：扩散网络的强化学习方法，来自论文 Aligning Text-to-Image Diffusion Models With Reward Backpropagation

===================================================================
文件名：OneTrainer20240722.zip（界面已放弃汉化）
容量：3.03GB
从这个版本开始OneTrainer支持SD3训练了。
这个版本我放弃汉化了，原作者没有把界面语言文件独立出来，每次更新需要花大量时间去对照修改，并且一旦更新汉化界面前功尽弃，所以这个版本放弃汉化，对于有需要的人来说语言从来不是问题，如果被界面语言劝退了，说明这个工具对你来说一点都不重要，下载解压后先看说明文件！
通过百度网盘分享的文件：OneTrainer20240722.zip
链接：https://pan.baidu.com/s/1xgOB_UUVg5rVdw8a8rs6lQ?pwd=3eb7
提取码：3eb7
--来自百度网盘超级会员V9的分享

老版本下载
文件名：OneTrainer20240128.zip（界面已完全中文化）
容量：3.14GB
百度网盘下载方式
链接：https://pan.baidu.com/s/1asH4PgpuS__s_rjYGRhOqw?pwd=x8i2
提取码：x8i2

补充配置过程

如果运行stat脚本显示python路径找不到需要到venv文件夹下修改pyvenv.cfg里的路径，改为自己安装的python路径。
2.如果完成第一步后依然显示模块丢失，这里就必须要开启梯子，以clash为例，需要开启tun模式，然后运行一遍install再运行start就可以了。

===================================================================
本指南旨在按照您在 UI 中看到的顺序解释使用 OneTrainer 微调模型的基本原则。有关更深入的解释，请阅读特定主题。（当它们可用时）

准备数据集
将您想要训练的图像放在您想要的任何目录中。为了获得最佳效果，您应该为每个图像添加提示。有两种选择：

对于每个图像，在同一目录中添加一个具有相同名称的 .txt 文件。文本文件应包含训练提示。
使用您想要训练的提示重命名所有图像。
预设
为了快速入门，OneTrainer 提供了一组最有用配置的预设。选择最适合您需求的一项，然后根据需要更改设置。您还可以添加自己的预设。

工作空间
OneTrainer 使用工作区来分隔您的训练运行。工作区包含单次运行的所有备份、采样和张量板数据。当您开始新的训练运行时，建议您选择一个空目录作为工作区。

缓存
缓存通过将训练图像中的中间数据保存在光盘上来加快训练速度。这些数据只需要创建一次，并且可以在不同时期甚至不同的训练运行之间重复使用。如果更改任何与数据相关的设置，您应该清除缓存目录，或选择一个新目录。

张量板
Tensorboard 可以在训练过程中轻松跟踪训练进度。要使用它，请启用 Tensorboard。在训练运行期间，单击底部的 Tensorboard 按钮打开 Web 界面。该网络界面将显示损耗值和样本。

输入模型设置
选择要训练的基本模型。这可以是多种不同格式的模型：

ckpt 或 safetensors 格式的检查点的文件名
扩散器格式的模型目录名称
Huggingface 存储库名称
先前训练运行的备份目录
您还需要指定输入模型的类型。

输出模型设置
只需指定要保存最终模型的文件名或目录名以及输出格式即可。数据类型定义最终模型的精度。Float16 将创建较小的模型，但质量会降低。

数据设置
“圆形掩模生成”和“随机旋转和裁剪”主要用于训练修复模型。通过这些设置，您可以自动为图像创建随机圆形蒙版。您还可以随机旋转图像并将其裁剪到遮罩区域。

长宽比分桶使得同时在不同长宽比的图像上训练模型成为可能。所有图像都会调整大小以大致匹配相同的总像素数。

潜在缓存
潜在缓存（如缓存部分所述）将通过保存中间数据来加速训练。如果启用此设置，将根据您的训练图像计算一些数据并将其保存到光盘。如果启用数据增强，则应增加该概念的“图像变化”设置，否则只会缓存单个增强版本。

添加概念。
概念定义了您想要训练的数据。您可以先创建一个配置。然后，您可以根据需要向该配置添加任意数量的概念。添加概念后，您可以单击出现的新小部件以打开详细信息窗口。在该窗口中，您可以选择名称，然后指定保存图像的目录。提示源定义提示的加载位置。您可以选择从同一目录中的 .txt 文件、图像文件名或包含多行以随机选择的单个 .txt 文件加载它们。如果您选择使用单个 .txt 文件，您还需要指定该文件的保存位置。或者，您还可以在概念定义中包含所选目录的子目录。

在增强选项卡上，您可以定义 OneTrainer 在训练图像之前应如何修改图像。这些修改可以增加训练数据的多样性。

训练设置
您可以在此处设置训练期间使用的所有参数。您可能不需要更改大部分设置，但以下是最重要设置的一些示例：

学习率：此设置定义您希望模型学习的速度。但设置得太高会破坏模型。
Epochs：这定义了模型应该在数据集中的每个图像上训练多少步。
批量大小：定义一次训练的图像数量。较高的设置将导致更通用的结果，但需要更长的时间来训练并且需要更多的 VRAM。
累积步骤：如果由于 VRAM 限制而无法增加 Batch Size，则可以增加此设置以产生相同的效果，但会进一步减慢训练速度。
可以停用“训练文本编码器”和“训练 UNet”以仅训练模型的部分内容。在大多数情况下，两者都应该保持活跃。您还可以指定每个部分应训练多少个 epoch，以及每个部分的特定学习率。

训练数据类型
在内部，这会在向前传递模型时设置混合精度数据类型。此设置在训练期间以精度换取速度。并非所有 GPU 都支持所有数据类型。实际上，float16 仅稍微降低了质量，同时提供了显着的速度提升。

解决
训练时，您的训练图像将调整为该分辨率。您不需要进行任何手动调整大小。您可以将多个分辨率指定为逗号分隔列表。所有决议将同时进行训练。

蒙面训练
通过屏蔽训练，您可以指示模型仅从训练图像的某些部分进行学习。例如，如果您想训练主体，而不是背景，则此设置会有所帮助。要启用蒙版训练，您需要为每个训练图像添加蒙版。该蒙版是黑白图像文件，其中白色区域定义应包含的内容，黑色区域被排除。文件需要与图像具有相同的名称，并添加“-masklabel.png”扩展名。

采样
您可以在此处定义提示，以在训练期间定期对模型进行采样。结果将显示在tensorboard中，并保存在工作空间目录中。

备份并继续
在备份选项卡上，您可以配置将在训练运行期间创建的定期备份。这些备份保存在工作区中。此外，您可以决定在训练运行结束时创建备份。备份包含继续训练运行的所有模型数据。要继续从以前的备份进行训练，只需选择备份目录作为您的基本模型。

可以使用模型转换工具将备份转换为模型文件。

==================================================================================
嵌入训练
要获得 UI 的总体概述，请先阅读快速入门指南。

训练嵌入需要一些与微调或 LoRA 训练不同的设置。您可以在右上角的下拉列表中启用嵌入训练。

概念
要训练嵌入，您需要使用特殊提示。每个提示都需要包含<embedding>在您想要放置经过训练的嵌入的位置。例如，如果您想训练一种绘画风格，您的提示可以是a painting in the style of <embedding>。如果您不想为每个训练图像添加自定义提示，则可以选择“来自单个文本文件”作为概念的提示源。然后选择一个每行包含一个提示的文本文件。此类文件的示例可以在 embedding_templates 目录中找到。

特殊嵌入设置
如果您选择“嵌入”作为训练方法，则会出现一个名为“嵌入”的新选项卡。您可以在此处指定：

基础嵌入：您想要继续训练的已训练嵌入。将此留空以训练新的嵌入
令牌数量：要训练的令牌数量。令牌数越高，学习效果越好，但在生成图像时也会占用每个提示中更多的可用令牌。
初始嵌入文本：初始化新嵌入时使用的文本。选择好的文本可以显着加快训练速度。

==================================================================================
字幕和屏蔽
OneTrainer 包含一个用于为数据集添加字幕和屏蔽的 UI。要访问它，请打开工具选项卡上的“数据集工具”。UI 打开后，单击左上角的“打开”按钮，然后选择数据集的目录。

用户界面导航
要在图像之间切换，请单击左侧列表中的文件名，或使用向上和向下箭头键转到下一个或上一个图像。

手动字幕
在底部的输入框中，您可以输入您的标题。要保存标题，请按 Enter。

自动字幕
单击“生成字幕”按钮打开批量字幕工具。您可以在此处选择用于字幕的模型。对于初始标题，您可以选择用于开始新标题的文本。要生成字幕，请按“创建字幕”按钮。当你第一次使用它时，它必须下载模型。根据您选择的型号，这可能需要一段时间。

手动遮蔽
选中顶部的“启用蒙版编辑”复选框。现在您可以在图像上绘制蒙版。左键单击添加到遮罩区域，右键单击从遮罩中删除部分。使用鼠标滚轮可以增大或减小画笔大小。使用 Ctrl+M 仅显示蒙版。要保存蒙版，请单击标题输入字段，然后按 Enter 键。

自动遮蔽
单击“生成蒙版”按钮打开批量字幕工具。您可以在此处选择用于遮罩的模型。某些模型（例如 ClipSeg）支持基于提示的屏蔽。对于阈值、平滑和扩展，您需要进行试验以找到最适合您的数据集的方法。要生成蒙版，请按“创建蒙版”按钮。当你第一次使用它时，它必须下载模型。根据您选择的型号，这可能需要一段时间。