TrainLoraNode - ComfyUI 組み込みノードのドキュメント

ComfyUI の TrainLoraNode ノードに関する完全なドキュメントです。入力、出力、パラメーターおよび使用方法について学びましょう。

このドキュメントは AI によって生成されました。誤りを発見された場合、または改善のご提案がある場合は、ぜひご貢献ください！ GitHub で編集

TrainLoraNode は、提供された潜在表現（latents）および条件付けデータを用いて、拡散モデル上に LoRA（低ランク適応：Low-Rank Adaptation）モデルを作成・学習します。このノードにより、カスタムの学習パラメーター、オプティマイザー、損失関数を用いたモデルのファインチューニングが可能です。ノードの出力には、学習済み LoRA の重み、学習時の損失履歴、および完了した総学習ステップ数が含まれます。

​

入力

パラメーター	データ型	必須	範囲	説明
model	MODEL	はい	-	LoRA を学習させる対象となるベースモデルです。
latents	LATENT	はい	-	学習に使用する潜在表現。モデルのデータセット／入力として機能します。リスト入力に対応。
positive	CONDITIONING	はい	-	学習に使用する正の条件付けデータです。リスト入力に対応。
batch_size	INT	はい	1–10000	学習時に使用するバッチサイズ（デフォルト：1）。
grad_accumulation_steps	INT	はい	1–1024	勾配蓄積ステップ数。複数ステップの勾配を蓄積してから重みを更新することで、VRAM を増やさずに大きなバッチサイズと同等の効果が得られます（デフォルト：1）。
steps	INT	はい	1–100000	LoRA の学習を行う総ステップ数（デフォルト：16）。
learning_rate	FLOAT	はい	0.0000001–1.0	学習率（デフォルト：0.0005）。
rank	INT	はい	1–128	LoRA 層のランク。値が高いほど多くの詳細をとらえますが、VRAM 使用量が増加します（デフォルト：8）。
optimizer	COMBO	はい	”AdamW" "Adam" "SGD" "RMSprop”	学習時に使用するオプティマイザー（デフォルト：“AdamW”）。
loss_function	COMBO	はい	”MSE" "L1" "Huber" "SmoothL1”	学習時に使用する損失関数（デフォルト：“MSE”）。
seed	INT	はい	0–18446744073709551615	LoRA 重みの初期化およびノイズサンプリングに使用するランダムシード（デフォルト：0）。
training_dtype	COMBO	はい	”bf16" "fp32" "none”	学習時に使用するデータ型。none はモデルのネイティブ精度を保持します。fp16 モデルの場合は GradScaler が自動的に有効になります（デフォルト：“bf16”）。
lora_dtype	COMBO	はい	”bf16" "fp32”	LoRA 重みの保存に使用するデータ型（デフォルト：“bf16”）。
quantized_backward	BOOLEAN	はい	-	training_dtype が none で量化モデルを使用する場合、逆伝播で量化行列積を使用します（デフォルト：False）。
algorithm	COMBO	はい	”LoRA" "LoHa" "LoKr" "OFT”	学習時に使用する重みアダプターアルゴリズム（デフォルト：“LoRA”）。
gradient_checkpointing	BOOLEAN	はい	-	逆伝播時にアクティベーションを再計算して VRAM を削減するグラジエントチェックポイントを有効化します（デフォルト：True）。
checkpoint_depth	INT	はい	1–5	グラジエントチェックポイントのモジュールネスト深度。深いほど VRAM 削減量が増加します（デフォルト：1）。
offloading	BOOLEAN	はい	-	学習中にモデルの重みを CPU にオフロードして VRAM を節約します。gradient_checkpointing の有効化が必要です（デフォルト：False）。
existing_lora	COMBO	はい	複数の選択肢あり	既存の LoRA ファイルを選択してトレーニングを継続します。総ステップ数は自動的に累積されます。[None] は新規 LoRA の作成を意味します（デフォルト：“[None]”）。
bucket_mode	BOOLEAN	はい	-	解像度バケットモードを有効化します。ResolutionBucket ノードからの入力が必要です（デフォルト：False）。
bypass_mode	BOOLEAN	はい	-	重みを直接変更せずフォワードフックでアダプターを適用します。量化モデルに対応（デフォルト：False）。

注意： 正の条件付けデータの数は、潜在表現画像の数と一致していなければなりません。複数の画像に対して正の条件付けデータが 1 つだけ与えられた場合、その条件付けデータは自動的にすべての画像に対して繰り返し使用されます。

​

出力

出力名	データ型	説明
lora	LORA_MODEL	学習済み LoRA の重み。LoraModelLoader ノードで保存または他のモデルに適用できます。
loss_map	LOSS_MAP	学習過程の損失履歴。LossGraphNode に接続して可視化できます。
steps	INT	完了した総学習ステップ数（既存 LoRA からの先行ステップを含む）。