Stable Diffusion 1.5（SD1.5）是由Stability AI在2022年8月22日开源的文生图模型，是SD最经典也是社区最活跃的模型之一。
以SD1.5作为预训练模型，在火影忍者数据集上微调一个火影风格的文生图模型（非Lora方式），是学习SD训练的入门任务。
显存要求 22GB左右
在本文中，我们会使用SD-1.5模型在火影忍者数据集上做训练，同时使用SwanLab监控训练过程、评估模型效果。
1.环境安装
本案例基于Python>=3.8，请在您的计算机上安装好Python；
另外，您的计算机上至少要有一张英伟达显卡（显存大约要求22GB左右）。
我们需要安装以下这几个Python库，在这之前，请确保你的环境内已安装了pytorch以及CUDA：
swanlab
diffusers
datasets
accelerate
torchvision
transformers一键安装命令：
pip install swanlab diffusers datasets accelerate torchvision transformers本文的代码测试于diffusers==0.29.0、accelerate==0.30.1、datasets==2.18.0、transformers==4.41.2、swanlab==0.3.11，更多库版本可查看 SwanLab记录的Python环境。
2.准备数据集
本案例是用的是火影忍者数据集，该数据集主要被用于训练文生图模型。
该数据集由1200条（图像、描述）对组成，左边是火影人物的图像，右边是对它的描述：
我们的训练任务，便是希望训练后的SD模型能够输入提示词，生成火影风格的图像：
数据集的大小大约700MB左右；数据集的下载方式有两种：
- 如果你的网络与HuggingFace连接是通畅的，那么直接运行我下面提供的代码即可，它会直接通过HF的
datasets库进行下载。 - 如果网络存在问题，我也把它放到百度网盘（提取码: gtk8），下载
naruto-blip-captions.zip到本地解压后，运行到与训练脚本同一目录下。
3.准备模型
这里我们使用HuggingFace上Runway发布的stable-diffusion-v1-5模型。
模型的下载方式同样有两种：
- 如果你的网络与HuggingFace连接是通畅的，那么直接运行我下面提供的代码即可，它会直接通过HF的
transformers库进行下载。 - 如果网络存在问题，我也把它放到百度网盘（提取码: gtk8），下载
stable-diffusion-v1-5.zip到本地解压后，运行到与训练脚本同一目录下。
4. 配置训练可视化工具
我们使用SwanLab来监控整个训练过程，并评估最终的模型效果。
如果你是第一次使用SwanLab，那么还需要注册一个账号，在用户设置页面复制你的API Key，然后在训练开始时粘贴进去即可：
5.开始训练
由于训练的代码比较长，所以我把它放到了Github里，请Clone里面的代码：
git clone https://github.com/Zeyi-Lin/Stable-Diffusion-Example.git如果你与HuggingFace的网络连接通畅，那么直接运行训练：
python train_sd1-5_naruto.py \
--use_ema \
--resolution=512 --center_crop --random_flip \
--train_batch_size=1 \
--gradient_accumulation_steps=4 \
--gradient_checkpointing \
--max_train_steps=15000 \
--learning_rate=1e-05 \
--max_grad_norm=1 \
--seed=42 \
--lr_scheduler="constant" \
--lr_warmup_steps=0 \
--output_dir="sd-naruto-model"如果你的模型或数据集用的是上面的网盘下载，那么你需要做下面的两件事：
第一步：将数据集和模型文件夹放到训练脚本同一目录下，文件结构如下：
|--- sd_config.py
|--- train_sd1-5_naruto.py
|--- stable-diffusion-v1-5
|--- naruto-blip-captionsstable-diffusion-v1-5是下载好的模型文件夹，naruto-blip-captions是下载好的数据集文件夹。
第二步：修改sd_config.py的代码，将pretrained_model_name_or_path和dataset_name的default值分别改为下面这样：
parser.add_argument(
"--pretrained_model_name_or_path",
type=str,
default="./stable-diffusion-v1-5",
)
parser.add_argument(
"--dataset_name",
type=str,
default="./naruto-blip-captions",
)然后运行启动命令即可。
看到下面的进度条即代表训练开始：
6. 训练结果演示
我们在SwanLab上查看最终的训练结果：
可以看到SD训练的特点是loss一直在震荡，随着epoch的增加，loss在最初下降后，后续的变化其实并不大：
我们来看看主观生成的图像，第一个epoch的图像长这样：
可以看到詹姆斯还是非常的“原生态”，迈克尔杰克逊生成的也怪怪的。。。
再看一下中间的状态：
经过比较长时间的训练后，效果就好了不少。
比较有意思的是，比尔盖茨生成出来的形象总是感觉非常邪恶。。。
详细训练过程看这里：SD-Naruto - SwanLab
至此，你已经完成了SD模型在火影忍者数据集上的训练。
