モデルDLで増えるのは Volume Diskです。モデルを沢山DLしてComfyUIなどもマウントする場合は多め（100GB以上）に設定します。

上記設定項目を記入して保存します

注意事項：GPUはRTX4090、A40、L40、RTX 6000 Ada、A100などと互換性が高いです。RTX5090は使用しないで下さい。

初回起動は20分程度かかります（正常）
※初回が遅いのは失敗ではありません。ネットワークボリュームを使用すれば二回目からは早くなります。
ネットワークボリューム未使用の場合は、毎回初期起動となります。

Kohya_ss-Training-StudioのJupiterLabを開いたら、JupyterNotebookのDownloaderを開きます。使用方法に沿って必要なモデルをダウンロードします。
モデルはダウンロードする分だけVolume diskの容量が必要になります。

※Volume diskの空き容量が足りなくなると動かなくなります。Volume diskは適切に設定してください。

基本のダウンロードモデル

必要なモデルを選択後、上の▶をクリックしてダウンロードをしている間に、

• 学習画像用のフォルダを作成
• 学習用画像をアップロード

をします

Kohya_ssフォルダを開き、Dataset/images内にご自身の画像用フォルダを作成します。

作成方法は、/imageフォルダ内で、＋マークの左側の<span style="--the-icon-svg: url(data:image/svg+xml;base64,PHN2ZyBoZWlnaHQ9IjFlbSIgd2lkdGg9IjFlbSIgeG1sbnM9Imh0dHA6Ly93d3cudzMub3JnLzIwMDAvc3ZnIiBhcmlhLWhpZGRlbj0idHJ1ZSIgdmlld0JveD0iMCAwIDQ4IDQ4Ij48cGF0aCBkPSJtMjAgNSA1IDZoMjBjLjYgMCAxIC40IDEgMXYzMGMwIC42LS40IDEtMSAxSDNjLS42IDAtMS0uNC0xLTFWNmMwLS42LjQtMSAxLTFoMTd6Ij48L3BhdGg+PC9zdmc+)" data-icon="LsFolder" data-id="27" aria-hidden="true" class="swl-inline-icon"> </span>フォルダマークをクリックしフォルダ名を入力します。

フォルダ名は、学習回数＋アンダーバー＋画像の総称です。

詳しくは こちらの”【自作イラストをLoRA化】画像とキャプション（テキストタグ）の準備からフォルダ構成まで”の中で書いています。

学習用画像は、Pod内の JupiterLabのアップローダー（フォルダアイコン横の矢印アイコンを使用して、直接アップロードします。

基本フォルダ構成

/workspace/
├── models/                    # Shared models (symlinked to Kohya)
│   ├── Stable-diffusion/     # Base models
│   ├── Lora/                 # Trained LoRAs
│   ├── VAE/                  # VAE files
│   └── embeddings/           # Textual Inversion
├── datasets/images                  # Your training images
│             └── project_name/
│                    ├── image1.png
│                    ├── image1.txt        # Generated captions
│                    └── ...
├── outputs/                   # Training outputs
├── logs/                      # System logs
├── scripts/                   # Utility scripts
├── Download_Models.ipynb      # Model downloader
└── WD14_Tagger.ipynb         # Tagging notebook

imageフォルダの中に学習用フォルダを作成します。
上の表のproject_nameの場所です。下の画像では、14_serenaというフォルダを作成してあります。

※学習用画像は、フォルダ内でアップロードします。

JupiterLabの、JupyterNotebook、WD14Taggerを開きます。使用方法に沿って実行▶をしてください。

WD14 TaggerとBLIP2 Captioningとの使い分け

このテンプレートには、既存のBLIP2 Captioningと拡張機能のWD14 Taggerが入っている為、両方で試してみて、Lora学習に結果の良い方を選択する事ができます。
これらのタグ生成機能のについては、 こちらの”LoRA学習用画像に自動キャプション（タグ）付けする方法 で詳しく解説しています。

• WD14：タグ型（LoRA向き）
• BLIP2：文章型（汎用）