一、SD-Trainer 到底装的是什么

它不是一个模型，是一套训练脚本加一个网页界面。 底层还是 PyTorch 加 diffusers，界面只是把一堆命令行参数变成了输入框。 所谓「安装」，实际是三件事：装 Python 依赖（torch、diffusers、transformers、accelerate）、 拉仓库、起一个本地网页。 📋 实操清单（要在本机做，沙箱里没显卡也没有 SD）： 第一步，装 Python 3.10（别用 3.12 以上，很多训练依赖还没跟上）。安装时勾「Add to PATH」。 第二步，装 Git，然后 git clone 训练器的仓库。路径里别有空格和中文——这是最常见的装不上原因。 第三步，在这个目录里 pip install -r requirements.txt。 torch 有 2 GB 多，慢是正常的，报错才是问题。 第四步，跑仓库自带的 install.ps1（Windows），再跑 gui.ps1。 看到浏览器弹出 127.0.0.1:7860 就说明装好了。 这一步没法在沙箱复现，但装完要算的账全能真算——下面三张表就是这台机器的实测值。

二、第一笔账：磁盘与加载时间

先量这台机器的真实读写速度，再拿底模体积去除：

三、第二笔账：显存

训练时显存被三块吃掉：底模、优化器状态、激活值。LoRA 只训小矩阵，所以第二块几乎是 0； 但第一块和第三块一分不少。 激活值跟分辨率平方成正比、跟 batch 线性成正比。 以 SDXL 底模 6.5 GB、512 下 batch 1 的激活约 1.5 GB 为锚点外推：

四、三条退路，和装完的第一件事

显存不够有三条退路：降分辨率、降 batch、开梯度累积加混合精度。 降分辨率最有效但最伤质量（512 训练出来的画风，出 1024 的图会细节发散）。 降 batch 最安全，只是慢，而且 batch 太小会让训练不稳。 梯度累积是「假装 batch 大」：显存里只放 1 张，梯度攒够 4 步再更新一次。 等效 batch 变大了，代价是时间翻四倍。 混合精度（bf16） 能把激活值和权重都压到一半，现代显卡上基本无损。这一条应该默认开。 装完的第一件事不是开训，是跑一步看占用：nvidia-smi 盯着显存， 训练器里把 max_train_steps 改成 1 跑一遍。花一分钟，省掉后面几次跑到一半 OOM 的折腾。

五、动手 Demo：装环境前先算账：底模读 3 秒，1024 两 batch 要 18.5 GB

先实测这台机器的磁盘读写速度（写四块 64 MB 再读回来），据此算各体积底模的加载时间； 再以「SDXL 底模 6.5 GB、512 下 batch 1 激活 1.5 GB」为锚点， 按面积和 batch 外推三档分辨率乘三档 batch 的显存占用。

blob = b"x" * (64 << 20)                 # 64 MB 一块，写四块
t0 = time.perf_counter()
with open(fp, "wb") as f:
    for _ in range(4):
        f.write(blob)
wr = 256.0 / (time.perf_counter() - t0) / 1e3      # GB／秒

base, k = 6.5, 1.5                        # 底模 + 512 下 batch 1 的激活
for res in (512, 768, 1024):
    for bs in (1, 2, 4):
        act = k * bs * (res / 512.0) ** 2
        print(res, bs, base + act)

实跑输出：

--------------------------------------------------------------------
装环境前先算账：底模读 3 秒，1024 两 batch 要 18.5 GB
--------------------------------------------------------------------
  实测写入速度             1.39 GB／秒
  实测读取速度             2.19 GB／秒
  内存                     15.9 GB
  系统盘剩余               285 GB

  要加载的东西      体积   读取耗时   盘装得下
  -------------------------------------------
  SD1.5 底模      4.0 GB     1.8 秒         够
  SDXL 底模       6.5 GB     3.0 秒         够
  加优化器状态   13.0 GB     5.9 秒         够

  加载时间 = 体积 ÷ 实测读取速度。**这一项在 CPU 上跑图时比显卡更疼**——它决定每次启动等多久。
  训练时还要再算一笔：显存。底模、优化器状态、激活值三块相加，其中激活值跟分辨率平方成正比：
  分辨率   batch 1   batch 2   batch 4
  -----------------------------------
     512       8.0       9.5      12.5
     768       9.9      13.2      20.0
    1024      12.5      18.5      30.5
  单位 GB，按 SDXL 底模 6.5 GB 加激活值估（512 下 batch 1 的激活按 1.5 GB 取）。
  **显存随分辨率平方涨、随 batch 线性涨**：
  1024 的 batch 4 是 512 的 batch 1 的十六倍，要三十多 GB。
  这就是消费级显卡大多停在 512 到 768 的原因。
  显存不够有三条退路：**降分辨率、降 batch、开梯度累积和混合精度。**
  最后一条能把激活值和底模都压到一半。
  说明：激活值那一列是用「512 下 batch 1 约 1.5 GB」这个锚点，按面积和 batch 外推的。
  **量级对，绝对值会随模型结构浮动。**
  真实训练前，先拿一张图跑一步看显存占用，比任何公式都准。

头两行是实测：写 1.39 GB／秒、读 2.19 GB／秒。读比写快是正常的（SSD 的读带宽本来就高）。 有了这个数，加载时间就是除法：6.5 GB ÷ 2.19 约 3 秒。 但别把这个数当成启动时间——解包和 dtype 转换还没算进去。 显存那张表：512 的 batch 1 是 8.0，1024 的 batch 4 是 30.5。 跨度四倍分辨率乘四倍 batch，等于十六倍激活值。 注意 768 的 batch 4 是 20.0，已经超过 16 GB 的消费卡了。 所以「768 跑 LoRA」在 16 GB 卡上只能 batch 2 以内。 诚实说明：激活值那一列是外推的，不是实测。 真正的占用还跟 xformers、flash attention、梯度检查点这些开关有关， 开梯度检查点能把激活值再压一半以上。这里算的是「不开优化时的量级」。

30 秒实验

1. 把底模从 6.5 GB 换成 SD1.5 的 4.0 GB，重算整张显存表。 每格都减 2.5——说明小底模的收益是固定值，不是比例。
2. 把 batch 一路加到 8、16，看 768 那行涨到多少。 线性涨，直到撞上显存上限——它不会自己变慢，只会 OOM。
3. 把实测读取速度换成机械硬盘的 0.15 GB／秒，再算加载时间。 6.5 GB 要 43 秒——这就是「模型放机械盘」的真实代价。

常见误区

1. 「LoRA 训练 8 GB 显存就够」。512 下勉强，768 和 1024 都不够。先按表算一遍再决定分辨率。
2. 「显存不够就加内存」。内存换不了显存，系统只会把数据换页到内存，速度掉十倍以上。
3. 「装完直接开训」。先跑一步看占用。省这一分钟，往往要多花一小时。

环境装好了，接下来是最费时间的一步：把训练用的图整理干净。 这一步的活儿 90% 是体力，但漏一项就白训。

• ☐ （本节完，下一节 7.1.3 准备与整理训练数据集）

相关笔记

• LoRA模型简介
• 模型微调的工具和基本流程
• 准备与整理训练数据集
• 🧠 AI训练师手册2 · 索引