ローカル環境構築から学習までを解説

この記事では、LoRAをKohya_ssで学習する為の環境構築から、学習までの手順を解説しています。

 LoRAの使用方法や設定に関しては、 以下のリンク記事で書いています。

LoRAの使用方法や設定に関しては、こちらの記事をご覧ください

LoRAとは？仕組み・学習・使い方・学習パラメータまで完全ガイド LoRAとは何か？ LoRAとは、Low-Rank Adaptation（低ランク適応）の略で、大規模なモデル（例：Stable Diffusion）の重みをすべて再学習するのではなく、一部だけを効率…

 クラウドGPUで”LoRAをKohya_ssで学習する方法”については こちらの記事をご覧ください

クラウドのレンタルGPUを使用してLoRAをKohya_ssで学習する方法

【RunPod】で”Kohya_ss”を使用して”LoRA学習”をする方法【③応用編】 本記事では、クラウドGPUのRunPod内で、 ”Kohya_ss”のテンプレートを使用して、”LoRA学習”をする方法を解説しています。  RunPodの基本的な使用方法については、 こちら…

近年、イラストや写真などのスタイルをAIに学習させる「LoRA（Low-Rank Adaptation）」が注目を集めています。
中でも、人気の学習ツール「Kohya_ss」は、最低限のコマンド操作と、細かな設定が可能なWebUI（ブラウザ型GUI）で、多くの生成AIユーザーに支持されています。

この記事では、初心者の方でも安心してLoRA学習を始められるように、Kohya_ssをWindowsでローカル環境（自身のPC）に導入する手順を1つずつ丁寧に解説しています。Anacondaのセットアップから、CUDA・PyTorchの対応バージョン確認方法まで網羅しているので、この記事を参考にすれば自分のPCでもLoRA学習ができるようになります！

Anaconda＋CUDAでKohya_ssをローカル導入する方法

前提条件

• GPU：NVIDIA
• OS：Windows 10 / 11
• Python：3.10.x（推奨）  Python3.10.6のインストール方法はこちら。
• 仮想環境：Anaconda（推奨）後ほど解説 スキップしたい方はこちらをクリックしてください。
• CUDA：*使用するPyTorchバージョンが対応するCUDAバージョンを調べる。(このすぐ下で解説。)
• NVIDIAドライバ：最新版（Studio Driver推奨）(こちらも、この下で解説。)
  
  ※2024年11月12日、NVIDIAは「GeForce Experience」を廃止し、後継として「NVIDIA App」に移行していますので、要確認。

 *使用するPyTorchバージョンに対応するCUDAバージョンを調べる方法
PyTorchは、バージョンごとに対応するCUDAのバージョンが決まっています。
PyTorch公式ページにアクセスします https://pytorch.org/get-started/locally/

 使用する条件の選択
PyTorchビルド（例：2.1.0）➡通常は安定版を選びます。
あなたのＯＳ ➡（例：Windows）
パッケージ ➡（通常は「Pip」または「Conda」）
言語➡（Python）
CUDAバージョン（ここに対応するCUDAが表示されます）
 選択に応じて、下にインストール用コマンドと一緒に、推奨されるCUDAのバージョンが表示されます。

ポイント
PyTorchとCUDAのバージョンが合っていないと、エラーになることがあります。
CUDA 11.8 を使いたい場合は、PyTorch 2.1 までが対応しています。
最新のPyTorch（2.2以降）では、CUDA 12.x系が主流になっています。

 *NVIDIA AppでStudioドライバの確認
 NVIDIA App(旧：GeForce Experience)を開く
 左メニューまたは上部の「Drivers」タブを選択
 「Studio Driver」になっているか確認（必要に応じて切り替え可能）
 無い場合は、ダウンロードしておきます  NVIDIA公式サイト内/ドライバ：ダウンロードページ

Kohya_ssは依存関係が多いツール

Kohya_ss（LoRA学習GUI）は以下のような依存ライブラリが複雑に絡んでいます

• PyTorch（バージョンやCUDAとの整合性がシビア）
• xformers（PyTorchのバージョンに敏感）
• bitsandbytes（GPU構成によって挙動が変わる）
• Hugging Face Transformers / diffusers
• TensorBoard、WandB などのオプションツール

これらをpip + venvだけで揃えるのは、かなり経験者向けの作業です。
一方、Anacondaならこうした依存関係のバージョン調整が比較的簡単になります。

 Kohya_ssのように「PyTorch + CUDA + 特殊ライブラリ」が絡む環境では、Anacondaで仮想環境を切っておくのが一番安全です。

この項のまとめです。（以下の項目をチェックしてOKでしたら、次の項目へ進んで下さい。）

GPUのCompute Capabilityを確認：NVIDIA公式サイトで自身のGPUのCCを調べる。
CUDAバージョンの選定：使用するPyTorchバージョンが対応するCUDAバージョンを選ぶ。
ドライバの更新：CUDAバージョンに対応するNVIDIAドライバをインストールする。
目的：仮想環境の活用：Anacondaやvenvを使用して、異なる環境を簡単に切り替えられるようにする。

AnacondaでLoRA学習環境を作る

Anacondaのインストール

• 公式ダウンロードページ: anaconda.com

任意のアカウントでログインします。

Anacondaの公式ダウンロードページから、お使いのOSに対応したインストーラーをダウンロードできます。

① Anacondaの準備

インストール手順（Windowsの場合）

1. ダウンロードしたインストーラー（例: Anaconda3-2024.10-1-Windows-x86_64.exe）をダブルクリックして実行します。

2. インストーラーが起動したら、「Next」をクリックします。
3. ライセンス契約画面で「I Agree」を選択します。
4. インストールタイプの選択では、「Just Me（推奨）」を選び、「Next」をクリックします。
5. インストール先フォルダを確認し、必要に応じて変更後、「Next」をクリックします。
6. 追加タスクの選択では、特に変更がなければそのまま「Install」をクリックします。
7. インストールが完了したら、「Next」をクリックし、最後に「Finish」をクリックしてインストールを終了します。

 インストール後、スタートメニューから「Anaconda Prompt」や「Anaconda Navigator」を起動できます。

※Anaconda Navigator（GUI）からアップデートを求められた場合は、基本的にはそのまま「更新」してOKです。ただし、すでに構築済みの仮想環境内でパッケージを更新する場合は、conda updateやpipのバージョン管理に注意が必要です。

インストール確認

Anaconda Promptを開き、以下のコマンドを入力してPythonのバージョンを確認します。
 Anaconda Promptは、WindowsでAnacondaをインストールした後、以下の手順で起動できます。

1. スタートメニューを開く
2. 「Anaconda Prompt」と検索
3. アイコンをクリックして起動

※黒いウィンドウが開き、(base) と表示されていれば、Anacondaの「base」環境が有効になっています。
もしくは、Windowsターミナルを開き、
タブから” ”下矢印をクリックで、Anaconda Promptを選択（Anacondaインストール後に追加されます。）

python --version

また、Anaconda Navigatorを起動して、GUI上で環境やパッケージの管理ができることを確認してください。

 Anaconda Prompt を開いて以下を実行（仮想環境を有効化）

conda create -n kohya python=3.10 -y
conda activate kohya

※このコマンドを実行する事で、kohya_ss 内で仮想環境を使った作業ができる状態になります。

② Git & GitHub からKohya_ssを取得

Gitがインストールされていることを確認
→ git --version でバージョンが表示されればOK
※インストールされていなければ、公式サイトから入手してください。

あわせて読みたい

初心者でも迷わない！GitHub・Git・Git Bashの違いとインストール＆使い方完全ガイド GitHub（ギットハブ）とは？ GitHubは、プログラムのコードを公開・共有・管理するためのWebサービスです。世界中のエンジニアや研究者が、ソースコードやプロジェクト…

Anaconda Prompt または コマンドプロンプトを開く

以下のコマンドでクローンします

git clone https://github.com/bmaltais/kohya_ss.git

kohya_ss フォルダに移動

cd kohya_ss

 cd＋kohya_ssフォルダのパス。
※たとえば、kohya_ssという名前のフォルダが C:\Users\あなたの名前\Documents\ にあるとします。
その場合、Anaconda Promptで以下のように入力して移動します。

cd C:\Users\あなたの名前\Documents\kohya_ss

※クローン先のディレクトリに注意（cd や mkdir を使って管理）
仮想環境を使う場合は、先に Anaconda Prompt で仮想環境を有効化しておく。

状況の確認

(base) C:\Users\あなたの名前>cd C:\Users\あなたの名前\kohya_ss

(base) C:\Users\あなたの名前\kohya_ss>

このように表示されていれば、今あなたは C:\Users\あなたの名前\kohya_ss フォルダの中にいます。

③ 依存ライブラリのインストール

 pip install -r requirements.txt を実行

pip install -r requirements.txt

 CUDA 11.8 に対応した PyTorch 2.1.0 と torchvision 0.16.0 のインストール
は、以下のコマンドを実行してください

pip install torch==2.1.0 torchvision==0.16.0 --extra-index-url https://download.pytorch.org/whl/cu118

 CUDA 11.8 に対応した PyTorch 2.2.0 と torchvision 0.16.0 のインストール（バージョンは2.2.0の場合）
は、以下のコマンドを実行してください

pip install torch==2.2.0+cu118 torchvision==0.16.0+cu118 --extra-index-url https://download.pytorch.org/whl/cu118

※CUDA、 PyTorch、 torchvisionのそれぞれのバージョンを指定してください。

④ CUDAとPyTorchの対応確認（重要）

インストールが完了したら、以下の Python コマンドで動作確認できます。

Pythonコードを実行する正しい方法

1. Pythonインタプリタを起動する

python

と入力してEnterすると、Pythonの対話モード（>>>）になります。

2. そこでPythonコードを入力してください

import torch
print("PyTorchバージョン:", torch.__version__)
print("CUDAが使えるか:", torch.cuda.is_available())
print("使用中のCUDAバージョン:", torch.version.cuda)

3. 確認が終わったら、exit() または Ctrl+Z（Windows）でPythonを終了できます。

True が返ってきたらOK。

⑤ GUIの起動（ローカルブラウザで操作：Anaconda Prompt）

※GUIで作業をする際には、以下のコマンドを実行してGUIを開きます。

 仮想環境のアクティベート（必要に応じて）

conda activate kohya  # すでに実行済みならスキップ

 Kohya_ssのフォルダへ移動

cd C:\Users\Owner\kohya_ss

※Users Ownerこの箇所は、ご自身のフォルダ名に置き換えて下さい。

Web UI 起動スクリプトの実行

 Kohya_ss は kohya_gui.py というスクリプトでGUIを起動できます。

python kohya_gui.py

※GUIが自動でブラウザに表示されない場合は、以下のようなURLが表示されることがあります

Running on local URL:  http://127.0.0.1:7860

※このURLをctrlを押しながら開くか、コピーしてブラウザに貼り付けてhttp://127.0.0.1:7860 を開きます。

よくあるエラー・確認ポイント

 kohya_gui.py が見当たらない場合
GitHubからの取得が完全でなかった可能性があります。その場合は以下のコマンドで再取得出来ます。

git clone https://github.com/bmaltais/kohya_ss.git

その後、もう一度、移動＆仮想環境アクティベート＆起動。
 ⑤ GUIの起動（ローカルブラウザで操作：Anaconda Prompt）

⑥ 画像とcaption（.txt）ファイルについて

LoRA学習をする為の、画像とcaption（.txt）ファイルの用意がまだの方は、下の記事をご覧ください。

画像データとテキストタグの準備

【自作イラストをLoRA化】画像とテキストタグ（キャプション）の準備からフォルダ構成まで徹底解説 学習用データセットの作り方 LoRA（Low-Rank Adaptation）は、既存のAIモデルに対して、自分のイラストや作風を学習させられる技術です。でもいざ始めようとすると── 「…

• dataset 又は、Trainingフォルダ内に、にトレーニング用画像フォルダを作成し、画像と同名の .txt ファイルを配置します。
  （※トレーニング用画像フォルダの名前は、半角英数字を使用します。）

dataset/トレーニング用画像フォルダ名
　　　　　　　 ├── image_001.png
　　　　　　　 ├── image_001.txt ←プロンプトなどを記述

※ここで大切な事は、dataset 又は、Trainingなどという、親フォルダの下にトレーニング用画像フォルダを作成し、画像と同名の .txt ファイルしておくという事です。

おすすめのフォルダ構成

C:\Users\Owner\kohya_ss\
　　　　　　　　├── kohya_data\　　　　　　← データ系（学習素材）
　　　　　　　　│   ├── 10_train\
　　　　　　　　│   │   ├── img\
　　　　　　　　│   │   ├── txt\
　　　　　　　　│   │   └── reg\
　　　　　　　　│
　　　　　　　　├── outputs\　　　　　　　← 出力ファイル（学習済LoRAなど）
　　　　　　　　│   ├── 12_loracat\
　　　　　　　　│   └── 10_train\
　　　　　　　　│
　　　　　　　　├── configs\　　　　　　　← 設定ファイルの保存場所（任意）
　　　　　　　　│
　　　　　　　　├── venv\　　　　　　　　← 仮想環境（Anacondaなしで動かす場合）
　　　　　　　　├── GUI起動用のbatファイルやスクリプト
　　　　　　　　└── READMEなど

※Kohya_ssでトレーニングに使用する画像とテキストは、まとめて一つのフォルダに入れておく必要があります。

この上の例においては、10_trainのフォルダに、画像とテキストタグを入れており、トレーニングの際には、そのフォルダの親フォルダを指定する必要がある為、kohya_dataというフォルダを、トレーニングフォルダに指定してトレーニングします。
 ここでのポイントは、10_trainのフォルダ名についてです。これは、

トレーニング回数（エポック数）とアンダーバーと任意のフォルダ名で構成します。

上記のような構成で、すべてKohyaフォルダ以下に収めるのがベストです。

LoRA学習

 LoRAの使用方法、設定項目に関する詳細は、こちらの記事内にまとめました。

あわせて読みたい

LoRAとは？仕組み・学習・使い方・学習パラメータまで完全ガイド LoRAとは何か？ LoRAとは、Low-Rank Adaptation（低ランク適応）の略で、大規模なモデル（例：Stable Diffusion）の重みをすべて再学習するのではなく、一部だけを効率...

WebUI（ブラウザ画面）の閉じ方

Kohya_ssでWebUIを使用してローカル学習を行っている場合、作業をいったん終了する際には、ターミナル側とWebUI側の両方で適切に閉じることが重要です。以下にそれぞれの正しい閉じ方を説明します。

WebUIは、Kohya_ssのGUI（ブラウザ）であり、直接的には学習プロセスを制御していません。ただの表示窓のようなものです。

• ブラウザのタブまたはウィンドウを閉じるだけでOKです。
  • ChromeやEdgeなどで開いているKohyaのWebUIタブを普通に閉じてください。
  • 学習ジョブが実行中でも、ターミナル側で動いていれば裏で進行します。

ターミナル（コマンドプロンプト / Anaconda Promptなど）の正しい閉じ方

ターミナルはKohya_ssのWebUI（gui.py）を起動している実行プロセスです。

閉じるタイミング

学習をまだ開始していない／完了済みの場合

1. ターミナルにフォーカスして、
2. Ctrl + C を押す（2回必要な場合あり）
   • Shutdown this Flask server (y/n)? と出る場合は、y を入力してEnter。
3. コマンドプロンプトがプロンプト（例：(base) C:\Users\yourname>）に戻ったら、ターミナルを閉じてOK。

学習中に終了したい場合

1. 学習ジョブが進行中に Ctrl + C を押すと、途中で学習が止まります。
   • ログ出力が止まり、「KeyboardInterrupt」と表示されます。
   • チェックポイント（途中保存）されていない場合は、データが失われる可能性があるので注意。

※「定期保存（save_every_n_stepsなど）を有効にしておく」と、学習途中でもモデルが保存されます。

トラブル・エラー

エラー時の基本チェックポイント

1. Training images
   → images + .txt が同じフォルダに入っている → OK
   → フォルダ名 output/art_part1 → OK（英数字とスラッシュのみで問題なし）
2. Dataset preparation
   • 「Dreambooth/LoRA Folder Preparation」または「Dataset Balancing」のどちらかのみを使用する。
   • 通常のLoRA学習では「Folder Preparation」で十分。「Dataset Balancing」はデータに偏りがあるとき用。
3. 出力先指定（Save trained model as）
   → 設定済みであればOK。空白だと保存されないことがあります。
4. ログ出力確認
   • /kohya_ss/outputs/ に .toml や .json が出力される場合、「ボタンは動作しているが学習開始に失敗している」可能性が高い。
   • エラーが出ないのはPython側でエラーを握り潰している場合あり。
5. 学習設定の最小限構成でテスト
   • epoch数を1、ステップ数を10程度にして動作確認用にしてみてください（負荷をかけず起動の可否だけチェック）

• Startの前に、GUIの 「Trainタブ」→ 全項目の必須入力欄 は埋まっていますか？
• 特に以下のような項目が必要です。
  • Base model path
  • Output name
  • Output directory
  • Image folder
  • Captionファイル形式（BLIP/DeepBooruなど） or .txt
  • Save trained model as（safetensors）
  • Epoch や batch size など

GUIが壊れてしまった場合

1. kohya_ss フォルダにある ui-config.json を削除
2. Anaconda Prompt で再起動

cd C:\Users\Owner\kohya_ss
python kohya_gui.py

「.toml」「.json」「.txt のみが出力される！

「.toml」「.json」「.txt のみが出力された」という場合
KohyaのLoRA学習を実行したあと、モデルファイル（例：.safetensors）が出力されなかったという意味です。
これはいくつかの原因が考えられます。以下を順番にチェックしてみてください。

学習エポック数（epoch）が 0 や 1 になっていないか？

• Epoch の数が極端に少ないと、学習がほぼ行われず、モデル出力がスキップされることがあります。
• 2〜4以上にして再試行してみてください。

output_name の指定がない or 無効な名前になっていないか？

• 出力ファイル名が output_name.safetensors として作成されるため、ここが空欄だと出力されない場合があります。
• 例：lora_dog などの名前を必ず入れておく。

出力フォルダが output_dir で指定されている場所に .safetensors が出ているか？

• .toml や .json は設定保存ファイルです。学習結果（モデル）は .safetensors で出力されます。
• 例： /workspace/outputs/lora_dog.safetensors などに出力されているか確認。

Save every N steps などの中間保存が有効かどうか？

• 学習途中で保存する設定（save_every_n_stepsなど）がないと、学習途中で停止した場合に何も出力されないことも。

コマンド実行時にエラーが出ていたかも？

• 実行ログ（WebUI上部 or Terminal）を確認し、途中で CUDA out of memory などのエラーが出ていなかったかチェック。

Start training を押しても無反応な場合

Kohya GUIでは、以下のような必須項目が空白だと、裏側でコマンドが生成されず、Start training を押しても無反応になります。

確認すべき項目（特にLoRAの場合）
Image folder（学習用画像のフォルダ）
Output namePretrained model（ベースのモデルファイル）
Output directoryEpoch（エポック数）や Batch size（バッチサイズ）
どこか赤く縁取りされている項目がないかチェックしてください。

ファイルパスの指定ミス
Pretrained model や Image folder のパスが 存在しないか間違っている と動作しません。
Browse ボタンでGUI経由で選択するのがおすすめ。
ターミナルや htop コマンドで裏側のプロセスが動いているかも確認できます。

CLI Preview（またはログ）にエラーが出ていないか？
Start training 実行後に下部にエラー表示がある場合、それが原因です。
「CLI Preview」ボタンがある場合は、出力されるコマンドを先にチェック。

CLI（コマンドライン）での実行も可

GUIでのトラブルがあまりに多い場合、以下のようにCLI（コマンドライン）でLoRA学習を実行する方法もあります

python train_network.py --config_file="your_config.json"

GUIは設定の確認用、CLIは確実に回す用、と使い分けている人も多い。

AUTOMATIC1111との連携

Kohya_ssで作成したLoRAファイルは、AUTOMATIC1111で、使用できます。

• LoRAファイルは stable-diffusion-webui/models/Lora/ に配置
• WebUIで LoRA名を "<lora:modelname:weight>" として使えます。

このフォルダに入っている .safetensors や .pt ファイルが、A1111のWebUIで自動的に読み込まれ、モデル選択UIやプロンプト補完で使用可能になるためです。
 作成した、.safetensors や .ptファイルの使用方法の詳細は、 下のリンク記事をご覧下さい。

あわせて読みたい

【完全ガイド】Stable Diffusion WebUI（AUTOMATIC1111） LoRA モデルの使い方と設定手順 この記事では、Stable Diffusion WebUI（AUTOMATIC1111）での、”LoRAモデルの配置方法から、強度の設定・プロンプト調整までを、わかりやすく解説しています”Stable Dif...

 Stable Diffusio（AUTOMATIC1111）のインストール方法については、 こちらの記事をご覧ください。

SAKASA AI

WebUI（AUTOMATIC1111）の【インストール方法】【拡張機能インストール】【エラー対処法】 | SAKASA AI WebUI（Webユーザーインターフェース）とは、ブラウザを通じて操作できるユーザーインターフェースのことです。特にStable Diffusionでは、WebUIを使うことで専門的なコマ...