Kohya-ss-sd-scripts/docs/anima_train_network.md

LoRA Training Guide for Anima using anima_train_network.py / anima_train_network.py を用いたAnima モデルのLoRA学習ガイド

This document explains how to train LoRA (Low-Rank Adaptation) models for Anima using anima_train_network.py in the sd-scripts repository.

日本語

このドキュメントでは、sd-scriptsリポジトリに含まれるanima_train_network.pyを使用して、Anima モデルに対するLoRA (Low-Rank Adaptation) モデルを学習する基本的な手順について解説します。

1. Introduction / はじめに

anima_train_network.py trains additional networks such as LoRA for Anima models. Anima adopts a DiT (Diffusion Transformer) architecture based on the MiniTrainDIT design with Rectified Flow training. It uses a Qwen3-0.6B text encoder, an LLM Adapter (6-layer transformer bridge from Qwen3 to T5-compatible space), and a WanVAE (16-channel, 8x spatial downscale).

This guide assumes you already understand the basics of LoRA training. For common usage and options, see the train_network.py guide. Some parameters are similar to those in sd3_train_network.py and flux_train_network.py.

Prerequisites:

• The sd-scripts repository has been cloned and the Python environment is ready.
• A training dataset has been prepared. See the Dataset Configuration Guide.
• Anima model files for training are available.

日本語

anima_train_network.pyは、Anima モデルに対してLoRAなどの追加ネットワークを学習させるためのスクリプトです。AnimaはMiniTrainDIT設計に基づくDiT (Diffusion Transformer) アーキテクチャを採用しており、Rectified Flow学習を使用します。テキストエンコーダーとしてQwen3-0.6B、LLM Adapter (Qwen3からT5互換空間への6層Transformerブリッジ)、およびWanVAE (16チャンネル、8倍空間ダウンスケール) を使用します。

このガイドは、基本的なLoRA学習の手順を理解しているユーザーを対象としています。基本的な使い方や共通のオプションについては、train_network.pyのガイドを参照してください。また一部のパラメータは sd3_train_network.py や flux_train_network.py と同様のものがあるため、そちらも参考にしてください。

前提条件:

• sd-scriptsリポジトリのクローンとPython環境のセットアップが完了していること。
• 学習用データセットの準備が完了していること。（データセットの準備についてはデータセット設定ガイドを参照してください）
• 学習対象のAnimaモデルファイルが準備できていること。

2. Differences from train_network.py / train_network.py との違い

anima_train_network.py is based on train_network.py but modified for Anima . Main differences are:

• Target models: Anima DiT models.
• Model structure: Uses a MiniTrainDIT (Transformer based) instead of U-Net. Employs a single text encoder (Qwen3-0.6B), an LLM Adapter that bridges Qwen3 embeddings to T5-compatible cross-attention space, and a WanVAE (16-channel latent space with 8x spatial downscale).
• Arguments: Options exist to specify the Anima DiT model, Qwen3 text encoder, WanVAE, LLM adapter, and T5 tokenizer separately.
• Incompatible arguments: Stable Diffusion v1/v2 options such as --v2, --v_parameterization and --clip_skip are not used.
• Anima specific options: Additional parameters for component-wise learning rates (self_attn, cross_attn, mlp, mod, llm_adapter), timestep sampling, discrete flow shift, and flash attention.
• 6 Parameter Groups: Independent learning rates for base, self_attn, cross_attn, mlp, adaln_modulation, and llm_adapter components.

日本語

anima_train_network.pyはtrain_network.pyをベースに、Anima モデルに対応するための変更が加えられています。主な違いは以下の通りです。

• 対象モデル: Anima DiTモデルを対象とします。
• モデル構造: U-Netの代わりにMiniTrainDIT (Transformerベース) を使用します。テキストエンコーダーとしてQwen3-0.6B、Qwen3埋め込みをT5互換のクロスアテンション空間に変換するLLM Adapter、およびWanVAE (16チャンネル潜在空間、8倍空間ダウンスケール) を使用します。
• 引数: Anima DiTモデル、Qwen3テキストエンコーダー、WanVAE、LLM Adapter、T5トークナイザーを個別に指定する引数があります。
• 一部引数の非互換性: Stable Diffusion v1/v2向けの引数（例: --v2, --v_parameterization, --clip_skip）はAnimaの学習では使用されません。
• Anima特有の引数: コンポーネント別学習率（self_attn, cross_attn, mlp, mod, llm_adapter）、タイムステップサンプリング、離散フローシフト、Flash Attentionに関する引数が追加されています。
• 6パラメータグループ: base、self_attn、cross_attn、mlp、adaln_modulation、llm_adapterの各コンポーネントに対して独立した学習率を設定できます。

3. Preparation / 準備

The following files are required before starting training:

1. Training script: anima_train_network.py
2. Anima DiT model file: .safetensors file for the base DiT model.
3. Qwen3-0.6B text encoder: Either a HuggingFace model directory or a single .safetensors file (requires configs/qwen3_06b/ config files).
4. WanVAE model file: .safetensors or .pth file for the VAE.
5. LLM Adapter model file (optional): .safetensors file. If not provided separately, the adapter is loaded from the DiT file if the key llm_adapter.out_proj.weight exists.
6. T5 Tokenizer (optional): If not specified, uses the bundled tokenizer at configs/t5_old/.
7. Dataset definition file (.toml): Dataset settings in TOML format. (See the Dataset Configuration Guide.) In this document we use my_anima_dataset_config.toml as an example.

Notes:

• When using a single .safetensors file for Qwen3, download the config.json, tokenizer.json, tokenizer_config.json, and vocab.json from the Qwen/Qwen3-0.6B HuggingFace repository into the configs/qwen3_06b/ directory.
• The T5 tokenizer only needs the tokenizer files (not the T5 model weights). It uses the vocabulary from google/t5-v1_1-xxl.
• Models are saved with a net. prefix on all keys for ComfyUI compatibility.

日本語

学習を開始する前に、以下のファイルが必要です。

1. 学習スクリプト: anima_train_network.py
2. Anima DiTモデルファイル: ベースとなるDiTモデルの.safetensorsファイル。
3. Qwen3-0.6Bテキストエンコーダー: HuggingFaceモデルディレクトリまたは単体の.safetensorsファイル（configs/qwen3_06b/の設定ファイルが必要）。
4. WanVAEモデルファイル: VAEの.safetensorsまたは.pthファイル。
5. LLM Adapterモデルファイル（オプション）: .safetensorsファイル。個別に指定しない場合、DiTファイル内にllm_adapter.out_proj.weightキーが存在すればそこから読み込まれます。
6. T5トークナイザー（オプション）: 指定しない場合、configs/t5_old/のバンドル版トークナイザーを使用します。
7. データセット定義ファイル (.toml): 学習データセットの設定を記述したTOML形式のファイル。（詳細はデータセット設定ガイドを参照してください）。例としてmy_anima_dataset_config.tomlを使用します。

注意:

• Qwen3の単体.safetensorsファイルを使用する場合、Qwen/Qwen3-0.6B HuggingFaceリポジトリからconfig.json、tokenizer.json、tokenizer_config.json、vocab.jsonをダウンロードし、configs/qwen3_06b/ディレクトリに配置してください。
• T5トークナイザーはトークナイザーファイルのみ必要です（T5モデルの重みは不要）。google/t5-v1_1-xxlの語彙を使用します。
• モデルはComfyUI互換のため、すべてのキーにnet.プレフィックスを付けて保存されます。

4. Running the Training / 学習の実行

Execute anima_train_network.py from the terminal to start training. The overall command-line format is the same as train_network.py, but Anima specific options must be supplied.

Example command:

accelerate launch --num_cpu_threads_per_process 1 anima_train_network.py \
  --dit_path="<path to Anima DiT model>" \
  --qwen3_path="<path to Qwen3-0.6B model or directory>" \
  --vae_path="<path to WanVAE model>" \
  --llm_adapter_path="<path to LLM adapter model>" \
  --dataset_config="my_anima_dataset_config.toml" \
  --output_dir="<output directory>" \
  --output_name="my_anima_lora" \
  --save_model_as=safetensors \
  --network_module=networks.lora_anima \
  --network_dim=8 \
  --network_alpha=8 \
  --learning_rate=1e-4 \
  --optimizer_type="AdamW8bit" \
  --lr_scheduler="constant" \
  --timestep_sample_method="logit_normal" \
  --discrete_flow_shift=3.0 \
  --max_train_epochs=10 \
  --save_every_n_epochs=1 \
  --mixed_precision="bf16" \
  --gradient_checkpointing \
  --cache_latents \
  --cache_text_encoder_outputs \
  --blocks_to_swap=18

(Write the command on one line or use \ or ^ for line breaks.)

日本語

学習は、ターミナルからanima_train_network.pyを実行することで開始します。基本的なコマンドラインの構造はtrain_network.pyと同様ですが、Anima特有の引数を指定する必要があります。

コマンドラインの例は英語のドキュメントを参照してください。

※実際には1行で書くか、適切な改行文字（\ または ^）を使用してください。

4.1. Explanation of Key Options / 主要なコマンドライン引数の解説

Besides the arguments explained in the train_network.py guide, specify the following Anima specific options. For shared options (--output_dir, --output_name, --network_module, etc.), see that guide.

Model Options [Required] / モデル関連 [必須]

• --dit_path="<path to Anima DiT model>" [Required]
  • Path to the Anima DiT model .safetensors file. The model config (channels, blocks, heads) is auto-detected from the state dict. ComfyUI format with net. prefix is supported.
• --qwen3_path="<path to Qwen3-0.6B model>" [Required]
  • Path to the Qwen3-0.6B text encoder. Can be a HuggingFace model directory or a single .safetensors file. The text encoder is always frozen during training.
• --vae_path="<path to WanVAE model>" [Required]
  • Path to the WanVAE model .safetensors or .pth file. Fixed config: dim=96, z_dim=16.
• --llm_adapter_path="<path to LLM adapter>" [Optional]
  • Path to a separate LLM adapter weights file. If omitted, the adapter is loaded from the DiT file when the key llm_adapter.out_proj.weight exists.
• --t5_tokenizer_path="<path to T5 tokenizer>" [Optional]
  • Path to the T5 tokenizer directory. If omitted, uses the bundled config at configs/t5_old/.

Anima Training Parameters / Anima 学習パラメータ

• --timestep_sample_method=<choice>
  • Timestep sampling method. Choose from logit_normal (default) or uniform.
• --discrete_flow_shift=<float>
  • Shift for the timestep distribution in Rectified Flow training. Default 3.0. The shift formula is t_shifted = (t * shift) / (1 + (shift - 1) * t).
• --sigmoid_scale=<float>
  • Scale factor for logit_normal timestep sampling. Default 1.0.
• --qwen3_max_token_length=<integer>
  • Maximum token length for the Qwen3 tokenizer. Default 512.
• --t5_max_token_length=<integer>
  • Maximum token length for the T5 tokenizer. Default 512.
• --flash_attn
  • Use Flash Attention for DiT self/cross-attention. Requires pip install flash-attn. Falls back to PyTorch SDPA if the package is not installed. Note: Flash Attention is only applied to DiT blocks; the LLM Adapter uses standard attention because it requires attention masks.
• --transformer_dtype=<choice>
  • Separate dtype for transformer blocks. Choose from float16, bfloat16, float32. If not specified, uses the same dtype as --mixed_precision.

Component-wise Learning Rates / コンポーネント別学習率

Anima supports 6 independent learning rate groups. Set to 0 to freeze a component:

• --self_attn_lr=<float> - Learning rate for self-attention layers. Default: same as --learning_rate.
• --cross_attn_lr=<float> - Learning rate for cross-attention layers. Default: same as --learning_rate.
• --mlp_lr=<float> - Learning rate for MLP layers. Default: same as --learning_rate.
• --mod_lr=<float> - Learning rate for AdaLN modulation layers. Default: same as --learning_rate.
• --llm_adapter_lr=<float> - Learning rate for LLM adapter layers. Default: same as --learning_rate.

Memory and Speed / メモリ・速度関連

• --blocks_to_swap=<integer> [Experimental]
  • Number of Transformer blocks to swap between CPU and GPU. More blocks reduce VRAM but slow training. Maximum values depend on model size:
    • 28-block model: max 26
    • 36-block model: max 34
    • 20-block model: max 18
  • Cannot be used with --cpu_offload_checkpointing or --unsloth_offload_checkpointing.
• --unsloth_offload_checkpointing
  • Offload activations to CPU RAM using async non-blocking transfers. Faster than --cpu_offload_checkpointing. Cannot be combined with --cpu_offload_checkpointing or --blocks_to_swap.
• --cache_text_encoder_outputs
  • Cache Qwen3 text encoder outputs to reduce VRAM usage. Recommended when not training text encoder LoRA.
• --cache_text_encoder_outputs_to_disk
  • Cache text encoder outputs to disk. Auto-enables --cache_text_encoder_outputs.
• --cache_latents, --cache_latents_to_disk
  • Cache WanVAE latent outputs.
• --fp8_base
  • Use FP8 precision for the base model to reduce VRAM usage.

Incompatible or Deprecated Options / 非互換・非推奨の引数

• --v2, --v_parameterization, --clip_skip - Options for Stable Diffusion v1/v2 that are not used for Anima training.

日本語

train_network.pyのガイドで説明されている引数に加え、以下のAnima特有の引数を指定します。共通の引数については、上記ガイドを参照してください。

モデル関連 [必須]

• --dit_path="<path to Anima DiT model>" [必須] - Anima DiTモデルの.safetensorsファイルのパスを指定します。
• --qwen3_path="<path to Qwen3-0.6B model>" [必須] - Qwen3-0.6Bテキストエンコーダーのパスを指定します。
• --vae_path="<path to WanVAE model>" [必須] - WanVAEモデルのパスを指定します。
• --llm_adapter_path="<path to LLM adapter>" [オプション] - 個別のLLM Adapterの重みファイルのパス。
• --t5_tokenizer_path="<path to T5 tokenizer>" [オプション] - T5トークナイザーディレクトリのパス。

Anima 学習パラメータ

• --timestep_sample_method - タイムステップのサンプリング方法。logit_normal（デフォルト）またはuniform。
• --discrete_flow_shift - Rectified Flow学習のタイムステップ分布シフト。デフォルト3.0。
• --sigmoid_scale - logit_normalタイムステップサンプリングのスケール係数。デフォルト1.0。
• --qwen3_max_token_length - Qwen3トークナイザーの最大トークン長。デフォルト512。
• --t5_max_token_length - T5トークナイザーの最大トークン長。デフォルト512。
• --flash_attn - DiTのself/cross-attentionにFlash Attentionを使用。pip install flash-attnが必要。
• --transformer_dtype - Transformerブロック用の個別dtype。

コンポーネント別学習率

Animaは6つの独立した学習率グループをサポートします。0に設定するとそのコンポーネントをフリーズします：

• --self_attn_lr - Self-attention層の学習率。
• --cross_attn_lr - Cross-attention層の学習率。
• --mlp_lr - MLP層の学習率。
• --mod_lr - AdaLNモジュレーション層の学習率。
• --llm_adapter_lr - LLM Adapter層の学習率。

メモリ・速度関連

• --blocks_to_swap [実験的機能] - TransformerブロックをCPUとGPUでスワップしてVRAMを節約。
• --unsloth_offload_checkpointing - 非同期転送でアクティベーションをCPU RAMにオフロード。
• --cache_text_encoder_outputs - Qwen3の出力をキャッシュしてメモリ使用量を削減。
• --cache_latents, --cache_latents_to_disk - WanVAEの出力をキャッシュ。
• --fp8_base - ベースモデルにFP8精度を使用。

4.2. Starting Training / 学習の開始

After setting the required arguments, run the command to begin training. The overall flow and how to check logs are the same as in the train_network.py guide.

日本語

必要な引数を設定したら、コマンドを実行して学習を開始します。全体の流れやログの確認方法は、train_network.pyのガイドと同様です。

5. LoRA Target Modules / LoRAの学習対象モジュール

When training LoRA with anima_train_network.py, the following modules are targeted:

• DiT Blocks (Block): Self-attention, cross-attention, MLP, and AdaLN modulation layers within each transformer block.
• LLM Adapter Blocks (LLMAdapterTransformerBlock): Only when --network_args "train_llm_adapter=True" is specified.
• Text Encoder (Qwen3): Only when --network_train_unet_only is NOT specified.

The LoRA network module is networks.lora_anima.

5.1. Layer-specific Rank Configuration / 各層に対するランク指定

You can specify different ranks (network_dim) for each component of the Anima model. Setting 0 disables LoRA for that component.

network_args	Target Component
self_attn_dim	Self-attention layers in DiT blocks
cross_attn_dim	Cross-attention layers in DiT blocks
mlp_dim	MLP layers in DiT blocks
mod_dim	AdaLN modulation layers in DiT blocks
llm_adapter_dim	LLM adapter layers (requires train_llm_adapter=True)

Example usage:

--network_args "self_attn_dim=8" "cross_attn_dim=4" "mlp_dim=8" "mod_dim=4"

5.2. Embedding Layer LoRA / 埋め込み層LoRA

You can apply LoRA to embedding/output layers by specifying emb_dims in network_args as a comma-separated list of 3 numbers:

--network_args "emb_dims=[8,4,8]"

Each number corresponds to:

1. x_embedder (patch embedding)
2. t_embedder (timestep embedding)
3. final_layer (output layer)

Setting 0 disables LoRA for that layer.

5.3. Block Selection for Training / 学習するブロックの指定

You can specify which DiT blocks to train using train_block_indices in network_args. The indices are 0-based. Default is to train all blocks.

Specify indices as comma-separated integers or ranges:

--network_args "train_block_indices=0-5,10,15-27"

Special values: all (train all blocks), none (skip all blocks).

5.4. LLM Adapter LoRA / LLM Adapter LoRA

To apply LoRA to the LLM Adapter blocks:

--network_args "train_llm_adapter=True" "llm_adapter_dim=4"

5.5. Other Network Args / その他のネットワーク引数

• --network_args "verbose=True" - Print all LoRA module names and their dimensions.
• --network_args "rank_dropout=0.1" - Rank dropout rate.
• --network_args "module_dropout=0.1" - Module dropout rate.
• --network_args "loraplus_lr_ratio=2.0" - LoRA+ learning rate ratio.
• --network_args "loraplus_unet_lr_ratio=2.0" - LoRA+ learning rate ratio for DiT only.
• --network_args "loraplus_text_encoder_lr_ratio=2.0" - LoRA+ learning rate ratio for text encoder only.

日本語

anima_train_network.pyでLoRAを学習させる場合、デフォルトでは以下のモジュールが対象となります。

• DiTブロック (Block): 各Transformerブロック内のSelf-attention、Cross-attention、MLP、AdaLNモジュレーション層。
• LLM Adapterブロック (LLMAdapterTransformerBlock): --network_args "train_llm_adapter=True"を指定した場合のみ。
• テキストエンコーダー (Qwen3): --network_train_unet_onlyを指定しない場合のみ。

5.1. 各層のランクを指定する

--network_argsで各コンポーネントに異なるランクを指定できます。0を指定するとその層にはLoRAが適用されません。

network_args	対象コンポーネント
self_attn_dim	DiTブロック内のSelf-attention層
cross_attn_dim	DiTブロック内のCross-attention層
mlp_dim	DiTブロック内のMLP層
mod_dim	DiTブロック内のAdaLNモジュレーション層
llm_adapter_dim	LLM Adapter層（train_llm_adapter=Trueが必要）

5.2. 埋め込み層LoRA

emb_dimsで埋め込み/出力層にLoRAを適用できます。3つの数値をカンマ区切りで指定します。

各数値は x_embedder（パッチ埋め込み）、t_embedder（タイムステップ埋め込み）、final_layer（出力層）に対応します。

5.3. 学習するブロックの指定

train_block_indicesでLoRAを適用するDiTブロックを指定できます。

5.4. LLM Adapter LoRA

LLM AdapterブロックにLoRAを適用するには：--network_args "train_llm_adapter=True" "llm_adapter_dim=4"

5.5. その他のネットワーク引数

• verbose=True - 全LoRAモジュール名とdimを表示
• rank_dropout - ランクドロップアウト率
• module_dropout - モジュールドロップアウト率
• loraplus_lr_ratio - LoRA+学習率比率

6. Using the Trained Model / 学習済みモデルの利用

When training finishes, a LoRA model file (e.g. my_anima_lora.safetensors) is saved in the directory specified by output_dir. Use this file with inference environments that support Anima , such as ComfyUI with appropriate nodes.

日本語

学習が完了すると、指定したoutput_dirにLoRAモデルファイル（例: my_anima_lora.safetensors）が保存されます。このファイルは、Anima モデルに対応した推論環境（例: ComfyUI + 適切なノード）で使用できます。

7. Advanced Settings / 高度な設定

7.1. VRAM Usage Optimization / VRAM使用量の最適化

Anima models can be large, so GPUs with limited VRAM may require optimization:

Key VRAM Reduction Options

• --fp8_base: Enables training in FP8 format for the DiT model.

• --blocks_to_swap <number>: Swaps blocks between CPU and GPU to reduce VRAM usage. Higher numbers save more VRAM but reduce training speed. See model-specific max values in section 4.1.

• --unsloth_offload_checkpointing: Offloads gradient checkpoints to CPU using async non-blocking transfers. Faster than --cpu_offload_checkpointing. Cannot be combined with --blocks_to_swap.

• --gradient_checkpointing: Standard gradient checkpointing to reduce VRAM at the cost of compute.

• --cache_text_encoder_outputs: Caches Qwen3 outputs so the text encoder can be freed from VRAM during training.

• --cache_latents: Caches WanVAE outputs so the VAE can be freed from VRAM during training.

• Using Adafactor optimizer: Can reduce VRAM usage:

  --optimizer_type adafactor --optimizer_args "relative_step=False" "scale_parameter=False" "warmup_init=False" --lr_scheduler constant_with_warmup --max_grad_norm 0.0
  

日本語

Animaモデルは大きい場合があるため、VRAMが限られたGPUでは最適化が必要です。

主要なVRAM削減オプション：

• --fp8_base: FP8形式での学習を有効化
• --blocks_to_swap: CPUとGPU間でブロックをスワップ
• --unsloth_offload_checkpointing: 非同期転送でアクティベーションをCPUにオフロード
• --gradient_checkpointing: 標準的な勾配チェックポイント
• --cache_text_encoder_outputs: Qwen3の出力をキャッシュ
• --cache_latents: WanVAEの出力をキャッシュ
• Adafactorオプティマイザの使用

7.2. Training Settings / 学習設定

Timestep Sampling

The --timestep_sample_method option specifies how timesteps (0-1) are sampled:

• logit_normal (default): Sample from Normal(0,1), multiply by sigmoid_scale, apply sigmoid. Good general-purpose option.
• uniform: Uniform random sampling from [0, 1].

Discrete Flow Shift

The --discrete_flow_shift option (default 3.0) shifts the timestep distribution toward higher noise levels. The formula is:

t_shifted = (t * shift) / (1 + (shift - 1) * t)

Timesteps are clamped to [1e-5, 1-1e-5] after shifting.

Loss Weighting

The --weighting_scheme option specifies loss weighting by timestep:

• uniform (default): Equal weight for all timesteps.
• sigma_sqrt: Weight by sigma^(-2).
• cosmap: Weight by 2 / (pi * (1 - 2*sigma + 2*sigma^2)).
• none: Same as uniform.

Caption Dropout

Use --caption_dropout_rate for embedding-level caption dropout. This is handled by AnimaTextEncodingStrategy and is compatible with text encoder output caching. The subset-level caption_dropout_rate is automatically zeroed when this is set.

日本語

タイムステップサンプリング

--timestep_sample_methodでタイムステップのサンプリング方法を指定します：

• logit_normal（デフォルト）: 正規分布からサンプリングし、sigmoidを適用。
• uniform: [0, 1]の一様分布からサンプリング。

離散フローシフト

--discrete_flow_shift（デフォルト3.0）はタイムステップ分布を高ノイズ側にシフトします。

損失の重み付け

--weighting_schemeでタイムステップごとの損失の重み付けを指定します。

キャプションドロップアウト

--caption_dropout_rateで埋め込みレベルのキャプションドロップアウトを使用します。テキストエンコーダー出力のキャッシュと互換性があります。

7.3. Text Encoder LoRA Support / Text Encoder LoRAのサポート

Anima LoRA training supports training Qwen3 text encoder LoRA:

• To train only DiT: specify --network_train_unet_only
• To train DiT and Qwen3: omit --network_train_unet_only

You can specify a separate learning rate for Qwen3 with --text_encoder_lr. If not specified, the default --learning_rate is used.

日本語

Anima LoRA学習では、Qwen3テキストエンコーダーのLoRAもトレーニングできます。

• DiTのみ学習: --network_train_unet_onlyを指定
• DiTとQwen3を学習: --network_train_unet_onlyを省略

8. Other Training Options / その他の学習オプション

• --loss_type: Loss function for training. Default l2.

  • l1: L1 loss.
  • l2: L2 loss (mean squared error).
  • huber: Huber loss.
  • smooth_l1: Smooth L1 loss.

• --huber_schedule, --huber_c, --huber_scale: Parameters for Huber loss when --loss_type is huber or smooth_l1.

• --ip_noise_gamma, --ip_noise_gamma_random_strength: Input Perturbation noise gamma values.

• --fused_backward_pass: Fuses the backward pass and optimizer step to reduce VRAM usage. Only works with Adafactor. For details, see the sdxl_train_network.py guide.

• --weighting_scheme, --logit_mean, --logit_std, --mode_scale: Timestep loss weighting options. For details, refer to the sd3_train_network.md guide.

日本語

• --loss_type: 学習に用いる損失関数。デフォルトl2。l1, l2, huber, smooth_l1から選択。
• --huber_schedule, --huber_c, --huber_scale: Huber損失のパラメータ。
• --ip_noise_gamma: Input Perturbationノイズガンマ値。
• --fused_backward_pass: バックワードパスとオプティマイザステップの融合。
• --weighting_scheme 等: タイムステップ損失の重み付け。詳細はsd3_train_network.mdを参照。

9. Others / その他

Metadata Saved in LoRA Models

The following Anima-specific metadata is saved in the LoRA model file:

• ss_weighting_scheme
• ss_discrete_flow_shift
• ss_timestep_sample_method
• ss_sigmoid_scale

日本語

anima_train_network.pyには、サンプル画像の生成 (--sample_promptsなど) や詳細なオプティマイザ設定など、train_network.pyと共通の機能も多く存在します。これらについては、train_network.pyのガイドやスクリプトのヘルプ (python anima_train_network.py --help) を参照してください。

LoRAモデルに保存されるメタデータ

以下のAnima固有のメタデータがLoRAモデルファイルに保存されます：

• ss_weighting_scheme
• ss_discrete_flow_shift
• ss_timestep_sample_method
• ss_sigmoid_scale