LoRA 학습법 (Google Colab)

Google Colab으로 Stable Diffusion LoRA를 학습하는 방법을 소개해요.

LoRA(Low-Rank Adaptation)는 대규모 모델을 효율적으로 파인튜닝하는 기법입니다. 적은 학습 데이터와 컴퓨팅 자원으로도 원하는 스타일의 이미지를 생성할 수 있어요.

---

준비물

• Google Drive 계정
• 중복 없는 고품질 이미지 최소 20장
• 인내심 (학습에 시간이 좀 걸립니다)

테스트용 이미지: 아이오닉6 샘플 이미지

---

Data Maker

Data Maker에 접속하세요.

1단계: Setup

프로젝트명을 입력하고 Setup 셀을 실행합니다.

프로젝트명 입력 및 Setup 실행

완료되면 Google Drive에 Loras/{project_name}/dataset 폴더가 생겨요. 여기에 준비한 이미지를 업로드하세요.

2단계: Curate Your Images

중복 이미지와 저품질 이미지를 제거합니다. “Scrape images from Gelbooru” 단계는 건너뛰어도 돼요.

Curate your images 실행

3단계: Tag Your Images

이미지에 태그를 자동 생성합니다. 실사 사진은 “Photo captions”, 애니메이션이나 일러스트는 “Anime tags”를 선택하세요.

이미지 태깅 방식 선택

4단계: Ready

Ready 셀을 실행한 뒤 게 아이콘 버튼을 클릭해서 LoRA Trainer로 이동하세요.

---

LoRA Trainer

Setup 설정

프로젝트명은 Data Maker에서 쓴 것과 동일하게 입력합니다.

프로젝트명 입력

Step 설정

num_repeats 값은 이미지 수에 따라 정해요.

이미지 수	Repeats	Epochs	Batch Size	총 Steps
20장	10	10	2	1000
100장	3	10	2	1500
400장	1	10	2	2000

계산 공식: 이미지 수 × num_repeats × epochs ÷ batch size = total steps

권장: 이미지 수 × num_repeats가 200~400 범위

Structure 설정

파라미터	권장값	설명
network_dim	8-128	LoRA rank (클수록 표현력↑, 용량↑)
network_alpha	dim/2	학습률 조정 파라미터

network_dim과 network_alpha 설정

설정을 마치면 실행하세요. 20장 기준 약 30분 걸립니다.

---

결과 확인

학습이 끝나면 Google Drive 프로젝트 폴더 안에 output 폴더가 생깁니다.

생성된 LoRA 모델 파일들

학습된 LoRA로 생성한 이미지 예시

---

팁

• 해상도 512x512 이상의 고품질 이미지를 일관되게 쓰세요
• num_repeats를 적절히 설정하세요
• 여러 epoch 결과물을 테스트해 보세요
• 원하는 결과가 나올 때까지 반복하세요