SD Trainer Script Installer 常用命令☍

命令的使用☍

使用命令前需要激活环境，有以下 2 种方式激活。

1. 使用自动环境激活脚本☍

运行 terminal.ps1 后将自动打开 PowerShell 并激活 SD-Trainer-Script Env。

2. 手动输入命令激活☍

在 SD-Trainer-Script 文件夹打开 PowerShell，输入下面的命令激活 SD-Trainer-Script Env：

./activate.ps1

Info

在 PowerShell 中一定要显示 [SD-Trainer-Script Env] 才算进入了环境，这样才能使用下面的命令。

常用命令☍

清理安装时产生的 Pip 缓存☍

python -m pip cache purge

安装某个 Python 软件包☍

# 命令中的 <package_name> 替换成具体的 Python 软件包名 
python -m pip install <package_name>

更新某个软件包☍

# 命令中的 <package_name> 替换成具体的 Python 软件包名
python -m pip install <package_name> -U

重装某个软件包☍

# 命令中的 <package_name> 替换成具体的 Python 软件包名
python -m pip install <package_name> --force-reinstall

卸载某个软件包☍

# 命令中的 <package_name> 替换成具体的 Python 软件包名
python -m pip uninstall <package_name>

Note

推荐使用 python -m pip 的写法，pip 的写法也可用。SD Trainer Script Installer 默认将 pip 命令链接到 python -m pip 避免直接调用 pip。
参考：Deprecate pip, pipX, and pipX.Y · Issue #3164 · pypa/pip

使用 uv 安装软件包☍

# 命令中的 <package_name> 替换成具体的 Python 软件包名
uv pip install <package_name>

Note

uv 命令的用法可参考：uv docs

更新仓库☍

git pull --recurse-submodules

运行某个 Python 脚本☍

# 命令中的 <python_script.py> 替换成要执行的 Python 脚本路径
python <python_script.py>

下载文件☍

# 命令中的 <url> 替换成下载链接，<dir> 替换成下载到的路径，<output_file_name> 替换成保存的文件名
aria2c <url> -c -s 16 -x 16 -k 1M -d <dir> -o <output_file_name>

列出 SD Trainer Script Installer 内置命令☍

List-CMD

查看并切换 SD-Trainer-Script 的版本☍

（已在环境管理章节中说明）

将 LoRA 模型融进 Stable Diffusion 模型中☍

# 先下载融合 LoRA 的工具
git clone https://github.com/KohakuBlueleaf/LyCORIS

# 接下来就能进行模型融合了，比如我要融合的 LoRA 模型为 artist_all_in_one_2-000036.safetensors，Stable Diffusion 模型为 animagine-xl-3.1.safetensors，先把这 2 个模型放到当前的文件夹，接下来就可以进行模型融合
python LyCORIS/tools/merge.py animagine-xl-3.1.safetensors artist_all_in_one_2-000036.safetensors licyk_style_v0.1.safetensors --is_sdxl --dtype fp16

# 解释上面命令的意思：
# animagine-xl-3.1.safetensors 为 Stable Diffusion 模型
# artist_all_in_one_2-000036.safetensors 为 LoRA 模型
# licyk_style_v0.1.safetensors 为融合后要保存的模型名称
# --is_sdxl 参数指定了模型类型为 SDXL，如果模型类型为 SD 2.x 则改为 --is_v2，如果模型类型为 SD 1.x 则不需要加参数
# --dtype fp16 指定保存的模型精度为 fp16，常用的模型精度为 fp16、bf16
# 融合完成后在当前文件夹中就可以看到融合好的 Stable Diffusion 模型
# 注意，融合模型需要大于或等于 64G 的内存，如果内存低于这个大小可能会大量使用虚拟内存进行补足，增大硬盘的读写消耗

查看 Git / Python 命令实际调用的路径☍

（已在环境管理章节中说明）