> ## Documentation Index
> Fetch the complete documentation index at: https://dripart-docs-lora-training-1772768349.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# 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](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/TrainLoraNode/en.md)

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"<br />"Adam"<br />"SGD"<br />"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"<br />"L1"<br />"Huber"<br />"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"<br />"fp32"<br />"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"<br />"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"<br />"LoHa"<br />"LoKr"<br />"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）。                  |