【RunPod】で”Kohya_ss”を使用して”LoRA学習”をする方法【3⃣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、こちらの記事で解説しています。

特徴	内容
GUI対応	Web UIで初心者でも操作しやすい（Gradioベース）
柔軟な設定	`rank`, `alpha`, `learning rate`, optimizerの選択など細かく設定可能
画像ラベリング機能	キャプションの自動生成ツール（BLIP）などが統合されている
複数形式の保存	`.safetensors`や`Diffusers形式`のLoRA保存に対応
RunPodやGoogle Colab対応	クラウドでも動作させやすい構造になっている

Kohya_ssでLoRAを作る

LoRAを作成する流れ

データセット（画像＋キャプション）を用意
Kohya_ssを起動（ローカル or クラウド）
GUIまたはCLIでLoRA学習設定を調整
学習を実行し、LoRAモデル（.safetensors）を出力
生成ツール（AUTOMATIC1111など）でLoRAを使って画像生成

RunPodでKohya_ss が安定動作するテンプレート

1. `ashleykza/kohya:25.1.2`

特徴：公式的な kohya_ss GUI（WebUI）テンプレート
GPU対応：L4、T4、A10G、A100など幅広く対応
WebUI付きで、LoRAやDreamBooth、SDXLなど切り替え可能なUIタブ付き
rcloneやGoogle Drive連携も可能

実際に多くのユーザーが使用しており、安定実績あり

2. `Kohya_ss GUI (by RunPod)`（テンプレート一覧で表示）

RunPodが公式提供しているテンプレート。中身は基本的に ashleykza ベース
Kohya GUI（WebUI）とSD-scriptsがプリセットで入っている
初心者向けに構成が整っており、特別なセットアップなしで開始可能
Volume（永続ストレージ）との相性も良い

3. 自分でDocker環境を構築

Ubuntu + Python + kohya_ss を自分でセットアップ
ただし、この場合は依存ライブラリ、CUDAバージョン、xformers、bitsandbytes なども自前で調整が必要

※難易度高め。テンプレートの方が早くて安定。しかし…

Kohya_ss GUIなどのテンプレートを使っているRunPodのPod内でも、Pythonがインストールされていれば仮想環境（venv）を作成・使用することが可能です。

比較【テンプレート＋venv】 vs 【自前Docker環境】

比較項目	テンプレート + venv	自前でDocker構築
手軽さ	◎ GUIで起動・セットアップが簡単	△ Dockerfile作成・ビルドが必要で敷居が高い
初期環境構築の速さ	◎ ほぼ即使える	✕ 数時間〜半日以上かかることも
カスタマイズ性	△ テンプレートの中身を変えるのは難しい	◎ 依存ライブラリ・Python・CUDA等も自由
安定性 / 再現性	△ テンプレートにバグや仕様変更があることも	◎ 自分で固定したバージョンで保てる
更新・管理	✕ テンプレートの仕様が変わることがある	◎ Dockerfileで再現可能
LoRAなどの学習	◎ すぐにできる（設定済み）	◯ 自分で環境構築必要だが柔軟
学習コスト（操作難易度）	◎ Linux初心者でもGUI操作可	✕ Docker・Linuxの知識が必須
トラブル発生時の対処	△ GUIや内部設定がブラックボックス化しやすい	◎ ログやDockerfileで直接把握できる
コストパフォーマンス	◯ 共通ライブラリが最適化されていることも多い	△ 自作環境の最適化は工夫が必要

避けた方が無難なテンプレート

ComfyUI + Kohya 両方入り テンプレート（例：Ultimate系）→ Kohya側が動かない、WebUI不具合などの報告あり
InvokeAI などが同梱されたテンプレート → Kohyaの動作に不要な要素が多く、不安定

Webターミナル（コマンド）が必要な時
基本動作は、GUIですが、以下の場合にはコマンド操作が必要になります。

必要な場合	具体例
`rclone`の初期セットアップ	`rclone config` をターミナルで打ってGoogle Drive認証を行うとき
ディレクトリの確認や手動操作	データセットを所定の場所に移動させたいとき（例：`mv` や `cp` コマンド）
追加ライブラリのインストール	何かカスタムPythonスクリプトや依存関係を追加したいとき
エラー時の調査	Web UIでうまく動かないときにログを確認したり、手動で起動を試みたり

Kohya GUI を開く
学習用データセット（リサイズ済み＋タグ付け済）を指定
必要であれば使用したいBaseモデル（例：SD1.5など）を読み込む
設定（学習率・epoch・出力先など）をGUIで入力
Start Training！

テンプレートの中には、あらかじめ数種類のモデルが入っているものもあります。詳細は、各テンプレートのページで確認できます。
例：
下の画像は、ULTIMATE Stable Diffusion Kohya ComfyUI InvokeAIというテンプレートの内容です。

必要なもの（基本）

rcloneでファイルをアップロードする方法は、こちらの記事をご覧ください。

Sakasa AI

【rclone（アールクローン）】の使い方・クラウドとローカル間で【ファイル転送・同期・バックアップ】を行… RunPodやクラウドAI環境でのLoRAモデル管理に便利なrcloneの導入方法を初心者向けに解説。「rclone 入らない」「rclone パスが通らない」「rclone version が効かない」な…

RunPodでは、ファイル転送ツールの”rclone”が予め入っている事が多い為、rcloneの設定しておくと便利です。
rcloneを使用してファイルを転送する場合は、以下のファイルを、予めGoogleDriveなどのクラウドツールにアップロードしておきます。

アップロードするもの

種類	内容	保存場所（Pod内）例
ベースモデル (必要であれば)	例：`sd-v1-5-pruned.safetensors`	`/workspace/stable-diffusion-webui/models/Stable-diffusion/`
学習用画像フォルダ	リサイズ＋タグ付け済	`/workspace/dataset/` など
テキストタグ（必要な場合）	`.txt`または`.csv`形式	画像と同じフォルダ内

学習用画像フォルダ【画像とテキストタグ（必要な場合）】の作成方法については、こちらの記事をご覧ください。

アップロード方法（例：Google Drive連携）

Google Drive連携に必要なものGoogleアカウント（Gmailなど）← これだけでOK！

Google Driveをrcloneでマウントして、Pod内へファイルコピーする手順です。
永続ストレージ（Network Volume）を /workspace にマウント済みであることを確認してください。
workspaceターミナル、Web Terminal または SSHターミナル を開く

ターミナルの開き方

Podを起動 →Connect
→ 接続するタブWeb Terminalボタンもしくは、workspace:7777で開けます。

こちらは、workspaceポート：7777のターミナル

workspaceポート：7777のターミナルで作業すると、ファイル転送なども反映が見渡せて使いやすい。
対して、Webターミナルの画面は、広くて見やすい。
※後の解説では、Webターミナル内のスクショで解説します。

初回セットアップ

初回のみ、以下のように rclone config を実行してDriveをマウントする必要があります

rclone config

ウィザード形式で進みますので、「Google Drive」→「認証」→「リモート名の設定（例：gdrive）」といった流れになります。

ターミナルで rclone config を実行
New remote(新しいリモート)を選択 → nを入力してEnter
名前（例：gdrive）を入力 → Enter
ストレージタイプを選択：「Google Drive」を選択（リストから番号で選ぶ）入力してEnter
クライアントIDなどは基本「空Enter」でOK（デフォルトで問題なし）
scope は 1（Full access）を選択
「Use auto config?」→ n noと答える（RunPod内からはブラウザ開けないため）
URLが表示されたら、それをブラウザで開く（URLが表示されない場合については後ほど解説。）
Googleアカウントでログインして、アクセス許可を与える
認可が完了すると「認証コード」が表示される → それをPodのターミナルにコピペしてEnter
Team Driveを使っていなければ「No」を選択（n）
設定内容の確認 → y（Yes）で保存

Use auto config? ではなく、
Use web browser to automatically authenticate rclone with remote?
Say Y if the machine running rclone has a web browser you can use
Say N if running rclone on a (remote) machine without web browser access
If not sure try Y. If Y failed, try N.
y) Yes (default)
n) No
この問いについてRunPodのようにブラウザが使えない環境では「n（No）」を選ぶ必要があります。

Execute the following on the machine with the web browser (same rclone version recommended):
rclone authorize “drive” “eyJzY29wZSI6ImRyaXZlIn0”
この様なメッセージが表示された場合は、
【ステップ1】ローカルPCで rclone を実行する
ローカル環境（Windows/Mac/Linux） で、下のコマンドを実行してください

rclone authorize "drive" "eyJzY29wZSI6ImRyaXZlIn0"

この "eyJzY29wZSI6ImRyaXZlIn0" は RunPod 側から表示されたものを そのままコピーして使います。
実行すると、ブラウザが開いて Google 認証が求められます。
認証後、トークン（config_token）が返されます。

【ステップ2】RunPod側に戻って貼り付ける

ローカルで表示された config_token をコピーして、RunPod 上のconfig_tokenに そのまま貼り付けて Enter します。これで Google Drive との連携が完了します！

ポイント

認証の際に「rclone」があなたのGoogle Driveへのアクセス権限を一時的にもらう形です
一度認証しておけば、Podの環境内で gdrive: のようにDriveへアクセスできます
特別なAPIキーなどは不要です。（上級者向けの手動設定時以外）

`/workspace` フォルダを開く方法

方法1：Web Terminal（ウェブターミナル）で開く方法

RunPodのコンソールにログイン
対象のPodを開く
「 Terminal」を開く（※「Full access all files」でOK）
ターミナルが開いたら、以下のコマンドを入力

cd /workspace
ls

これで /workspace ディレクトリの中身（アップロードされた画像など）が確認できます。
さらに階層がある場合は、

ls -l

などでフォルダを調べて、中に入っていけます。

方法2：ComfyUI や Kohya の UI 内で確認する方法

テンプレートによっては、UI上からファイル一覧を確認できるようになっています。

Kohya UI：一部のバージョンでは、データセット選択時に /workspace 配下をたどって選べます。
ComfyUI：ノードのファイル選択時に /workspace をルートにたどれる場合があります

注意点

/workspace は Network Volume（永続ストレージ）をマウントしている場所であることが多い。
Podを削除しても /workspace にデータがあれば残るので、ここをうまく活用するのがポイントです。

アップロード用コマンド例

Google Drive → Pod（学習データgdrive:dataset/my-lora-dataset/を /workspace/dataset/ にコピーする場合）

rclone copy gdrive:dataset/my-lora-dataset/ /workspace/dataset/ -P

-P はコピー進行状況を表示するオプション
Google Drive内のパスはあなたのDrive構造に合わせてください。

Google Drive → Pod（ベースモデルをコピー（例：sd-v1-5-pruned.safetensors））

rclone copy gdrive:ai-models/sd-v1-5-pruned.safetensors /workspace/stable-diffusion-webui/models/Stable-diffusion/ -P

Pod → Google Drive（保存・バックアップなどに）

rclone copy /workspace/output gdrive:LoRA_results -P

テンプレート内のターミナル（Terminal）でそのまま

rclone config ← Google Driveと接続する
rclone copy ← DriveとPod間でファイルコピー
rclone ls ← Drive内のファイル確認

といったコマンドがそのまま使えます。

Kohya GUIを使えば、フォルダパスをGUI上で選ぶだけでOKです
InvokeAI や ComfyUI は「生成用UI」なので、LoRA学習時は基本的に Kohya の機能だけを使う形になります。

確認コマンド

rclone version

↑これを打つと、バージョンが表示されて rclone が入っていることが確認できます。

設定ファイルにあるリモート名を正しく使うことが重要です。
rclone listremotes コマンドでも、登録済みリモート名一覧が見られます。

rclone listremotes

Kohya GUIでの LoRA Training の始め方

Pod内のブラウザからアクセスするタイプか、ローカルのブラウザで http://<PodのIP>:<ポート番号>/ にアクセスしてGUIを開きます。

Kohya_ss 起動後にまず確認しておくと良いこと

まずは、GUIが正しく表示されているか確認します。

メニューがすべて表示されているか（LoRA Training、Dreambooth、Data preparation など）
ボタンがクリックできるか

起動時におかしいと思ったら

Podを再起動（Stop → Start）で改善されることも多いです。
KohyaのGUIが崩れていたら、ブラウザをリロードまたはシークレットウィンドウで開き直すのも効果的です。
Web Terminal で nvidia-smi を実行して、GPUが認識されているか確認もできます。

ワークスペース内で保存すべきファイルの種類

フォルダ	入れるべき内容
`/workspace/train_data/`	学習用画像とキャプション（`.png` + `.txt`）
`/workspace/models/`	`.safetensors`などのStable Diffusionモデル
`/workspace/outputs/`	学習結果（LoRAなど）
`/workspace/kohya_ss/`	Kohya GUI本体・設定ファイルなど

推奨フォルダ構成（例）

/workspace/
├── kohya_ss/                         ← Kohyaの本体
    ├── traindata/15_cat2025                       ← 学習用画像フォルダ（ここをImage folderに指定）
    │              ├── dog_001.png
    │              ├── dog_001.txt
    │              └── ...
    ├── models/                           ← Stable Diffusionなどのベースモデル
    │   ├── anything_v3.safetensors
    │   └── ...
    ├── outputs/                          ← 学習結果の出力先（LoRAファイルなど）
    │   ├── lora_dog.safetensors
    │   └── ...

1. `LoRA` Training タブを選択

Kohya GUIのメニューで「LoRA」または「LoRA Training」タブをクリック。

2. 基本設定を入力

項目	チェック内容
	学習画像のパス（`/workspace/your_dataset` など）
	ベースモデル（例：`/workspace/stable-diffusion/v1-5-pruned.safetensors`）

`Output directory`	`/workspace/outputs` など永続化できる場所
`Epoch` や `Batch size`	最小値でテスト（例：Epoch: 1、Batch: 1）もアリ

項目	説明
`Pretrained model name or path`	ベースモデル（例：`/workspace/stable-diffusion/v1-5-pruned.safetensors`）
`Training data directory`	学習用画像のフォルダパス（例：`/workspace/train_data`）※画像の入っているフォルダの親フォルダ
`Output directory`	出力先（例：`/workspace/output/lora_model/`）
`Output name`	任意の名前（例：`15_cat2025`学習回数_outoput名）
`Epochs`	学習回数（例：10〜20）
`Batch size`	例：2〜4（VRAMに応じて調整）
`Learning rate`	例：0.0001〜0.0005

出力フォルダ(Output directory)
→ モデルや学習済みのファイルの保存先パスを指定します。
→ /workspace/output や /runpod-volume/models など永続化される場所がおすすめ。
エポック数(Epochs)
→ ここに希望のエポック数を入力します（例：10や20など）。
バッチサイズ(Batch size)
→ GPU VRAMに合わせて調整（例：4や8）。
→ 大きいほど高速ですがメモリ消費が増えます。
学習率(Learning rate)
→ 通常は 0.0001〜0.0005あたりから試すことが多いです。
その他
→ 学習ステップ数、保存間隔、ログ出力フォルダなども設定可能な場合があります。

3. 拡張設定（必要に応じて）

Text Encoderの有無（絵柄重視ならONが多い）
学習ログ保存先
正則化画像の設定など

4. スタート！

最後に「Start Training」や「Train」ボタンを押すと開始されます。

4. 設定を保存・反映

GUIによっては「Apply」や「Save Settings」ボタンがあります。
設定を変えたら、必ず「Start Training」など学習開始ボタンを押して反映させてください。

テンプレートの更新やPod削除時に備えて

永続ストレージ（/runpod-volume）に移動しておけば、次回も使い回せます。
一時保存のままだとPod削除時に消えるので、必要なファイルは手動コピーしておくと安心です

cp -r /workspace/models /runpod-volume/
cp -r /workspace/outputs /runpod-volume/

→ /workspace/models フォルダを、/runpod-volume/ に再帰的（-r）にコピーします。
→/workspace/outputs フォルダを /runpod-volume/ にコピーします。

コピー完了後の構成（永続ストレージ内）

/runpod-volume/
├── models/
│   ├── anything_v3.safetensors
│   └── ...
├── outputs/
│   ├── lora_dog.safetensors
│   └── ...

毎回コピーするのが面倒な場合の対策

方法①：最初から `/runpod-volume/` に保存するように設定を変更

KohyaのGUIで「出力フォルダ（output directory）」を
/workspace/outputs ではなく /runpod-volume/outputs にする。
モデルの保存先や設定ファイルの読み込み元を /runpod-volume/ にする。

こうすれば、毎回コピーせずに「最初から永続領域に保存される」状態になります。

方法②：コピー処理をシェルスクリプトにして使い回す

#!/bin/bash
cp -r /workspace/models /runpod-volume/
cp -r /workspace/outputs /runpod-volume/

↑こんな内容を save_to_volume.sh のような名前で保存しておけば、次回からは

bash save_to_volume.sh

と1コマンドで実行できます。

フォルダ名	特徴
`/workspace`	Pod停止・削除時に中身が消える（一時領域）
`/runpod-volume`	永続ストレージ。Podを再起動しても残る

動かない場合

Volumeがいっぱいになっていないか確認
config.yamlなどのaccelerate設定ファイルが壊れていないか
ブラウザのキャッシュやVPNも確認（WebUIが出ない原因）

ポイント	内容
絶対パスで指定する	相対パス（例：`../images`など）より安定します。
パスにスペースがないことを確認	スペースがあると読み込みエラーになることがあります。
画像とcaption（.txt）がペアになっているか確認	LoRA学習では `.png` または `.jpg` に対して `.txt` のキャプションが必要な場合があります（学習形式による）。

【0⃣ Podの見方と使い方】

RunPodの【Podの見方と使い方】と【接続オプションの使い方】【0⃣基礎編】 RunPodの大まかな使用方法、流れはこちらの記事でまとめています。 ”RunPodの使用方法と手順”については、上の記事でかなり細かくまとめたつもりでいました。しかし、…

【1⃣ 解説編】

高性能クラウドGPUを使用できる”RunPod”はStable Diffusion学習の最適解！個人利用の効率よいクラウド環… Stable Diffusionで「思う存分、画像生成がしたい」「自分の作風を学習させたい」「LoRAやDreamBoothを試してみたい」と思ったら、まず課題になるのがGPUの性能や学習環…

【2⃣ 実践編】

URLをコピーしました！