PCの選び方の節には、販売店(FRONTIER)への広告(提携)リンクがあります。おすすめの順位は付けていません。

編集部のVRAM 8GBのノートPC(RTX 4070 Laptop)に、LoRAを学習するためのGUI「kohya_ss」を入れ、葛飾北斎の「冨嶽三十六景」の版画15枚でLoRAを1つ作りました。Stable Diffusion 1.5を元にした600ステップの学習は、画面から始めて3分39秒で終わりました(1回)。VRAMの使用量は、2秒ごとの記録で、この回の最大が4,309MiBでした(同じ設定をコマンドで流した回は4,325MiB)。

作ったLoRAを、同じシードの3枚でLoRAなし・強さ0.5・強さ1.0と並べました。強さ1.0では、3枚とも版画のような絵になり、プロンプトに入れた「現代の街」の車や高い建物は写りませんでした。プロンプトに入れていない、縦書きの文字のような模様と赤い印のような形も、3枚のうち2枚に出ました。

この記事では、NVIDIAのGPUを積んだWindows PCで、kohya_ssを入れてLoRAを1つ作り、効き方を確かめるところまでを扱います。時間とVRAMは編集部のノートPC 1台で記録した値で、ほかのGPUでは測っていません。

確かめた条件は次のとおりです。

  • 日時:2026年11月15日 23時38分〜11月16日 0時30分(日本時間)
  • 機材:編集部のWindows 11 HomeのノートPC 1台(ASUS ROG Zephyrus G16、Core Ultra 9 185H、メモリ32GB、GeForce RTX 4070 Laptop GPU 8GB、ドライバー621.24)。電源につないだ状態、電源プランの表示はPerformance(学習のあとの0時40分に確認)
  • ソフト:kohya_ss v26.0.0(GitHubの既定のブランチ。v26.0.0のあとの28コミットを含む)、中で学習を受け持つsd-scripts v0.11.1、uv 0.13.8。Python 3.11.18とPyTorch 2.7.0+cu128はuvが入れた
  • 元のモデル:Stable Diffusion 1.5(v1-5-pruned-emaonly.safetensors、4,265,146,304バイト)
  • 学習の画像:メトロポリタン美術館がパブリックドメインとして公開している「冨嶽三十六景」の15枚。長い辺を768ピクセルに縮めた。キャプションは付けていない
  • 回数:最初の起動は1回。学習は画面から2回(1回目は途中で止まった)と、同じ設定をコマンドで1回。比べた画像は18枚
  • 操作の方法:ノートPCを別のPCから遠隔で操作し、kohya_ssの画面は別のPCのブラウザで開いた
  • 試していないもの:SDXL・SD3・Fluxの学習、キャプションを付けた学習、ほかのGPU、Mac、Linux、作ったLoRAをA1111やComfyUIで使うこと、画像の出来の評価

かかった時間と量のまとめ

項目記録回数
起動のコマンドから画面が使えるまで(最初)約4分1回
最初の起動で入ったもの.venv 約8.8GB、uvのキャッシュ 約8.9GB1回
学習(600ステップ、画面から)3分39秒(毎秒2.73ステップ)1回
「Start training」を押してから終わりの表示まで4分53秒(見本の画像8枚の作成を含む)1回
同じ設定をコマンドで流した学習3分25秒(毎秒2.92ステップ)1回
学習中のVRAMの最大4,309MiB(画面から)、4,325MiB(コマンド)各1回
学習中のGPUの温度の最大88.3℃(画面から)、90.2℃(コマンド)各1回
出来たLoRAのファイル18,989,648バイト(約19MB)、エポックごとに1つ1回

VRAMの値は、nvidia-smiで2秒ごとに取ったGPU全体の使用量です。学習を始める前は280MiBでした。温度は、同じnvidia-smiの記録のGPUの温度(temperature.gpu)の列の最大です。この記録には小数2桁まで出ていて、表では小数1桁にしました。


kohya_ssの今の状態

kohya_ssは、LoRAなどの学習をするプログラム「sd-scripts」(kohya-ss氏)に、ブラウザで操作する画面を付けたものです(bmaltais氏のリポジトリ)。2026年11月15日に見たリリースの一覧では、最新はv26.0.0(2026年7月9日)でした。編集部が取った既定のブランチは、そのあと28コミット進んだ所で、いちばん新しいコミットは2026年7月10日のものでした。画面の右下の表示は「v26.0.0」です。

ライセンスはApache License 2.0とREADMEに書かれています。READMEには、WindowsとLinuxのほか、Colab、Runpod、Novitaなどクラウドで動かす方法も載っています。この記事で試したのはWindowsだけです。


入れる手順(Windows、uv)

READMEの入れ方の表には、Windows用にuvを使う手順とpipを使う手順の2つがあります。uvの手順書の冒頭には「Recommended for most Windows users」(ほとんどのWindowsの人に勧める)とあり、編集部はこちらをたどりました。アカウントの登録やログインは、どの段階でも求められませんでした。

1. 先に入れておくもの

uvでの手順書は、次の4つを先に入れるように書いています。

  • Python 3.11.9(「Add to PATH」をオンにする)
  • CUDA Toolkit 12.8
  • Git for Windows
  • Visual Studio の再頒布可能パッケージ(vc_redist.x64.exe)

このうち、編集部がこの検証のために入れたものはありません。Gitは前から入っていました。Pythonは、次の手順でuvが3.11.18を検証用のフォルダーに自分で取ってきました。CUDA Toolkitは、このPCに入っているかどうかを見ていません。無いと動かないかどうかも確かめていません。Visual Studioの再頒布可能パッケージも同じです。

2. 取ってくる

手順書のとおり、サブモジュールごと取ってきます。

git clone --recursive https://github.com/bmaltais/kohya_ss.git
cd kohya_ss

sd-scripts のフォルダーに、学習の本体(v0.11.1)が一緒に入りました。

3. 起動する

手順書の起動の方法は gui-uv.bat を実行することです。uvが入っていなければ、入れるかどうかを聞かれる作りです。中身を読むと、最後に次のコマンドを実行していました。

uv run --link-mode=copy --index-strategy unsafe-best-match kohya_gui.py --noverify

編集部はノートPCを遠隔で操作したため、uvの公式のWindows用の圧縮ファイル(0.13.8)を検証用のフォルダーに置き、gui-uv.bat を使わずに上と同じコマンドを実行しました。READMEが遠隔で使う時に勧めている --headless と、--listen 127.0.0.1 --server_port 7861 を足しています。編集部が実行したコマンドは次の1行です。

uv run --link-mode=copy --index-strategy unsafe-best-match kohya_gui.py --noverify --headless --listen 127.0.0.1 --server_port 7861

gui-uv.bat のダブルクリックでの起動は試していません。

最初の起動では、Python 3.11.18、PyTorch 2.7.0+cu128などの部品が自動で入りました。コマンドを実行してから画面が使えるようになるまで約4分でした。入った部品の置き場(.venv)は約8.8GB、uvがダウンロードしたものを置くキャッシュは約8.9GBで、あわせて約17.7GBです。元のモデル(約4.3GB)は別に要ります。

4. ブラウザで開く

http://127.0.0.1:7861 をブラウザで開くと、上に「Dreambooth」「LoRA」などのタブが並んだ画面が出ます。画面の言葉は英語です。LoRAを作るのは「LoRA」のタブです。


今週のAIニュースを週1回メールで受け取る無料

毎週月曜の朝に、今週のAIの主なニュース・新しく載ったツール・よく読まれた記事をまとめて届けます。登録特典は「AIツール選定チェックリスト 2026」。

確認メールのボタンを押すと登録が完了します。配信はいつでも解除できます。

学習の材料:版画15枚と「10_hksfuji」のフォルダー

学習に使ったのは、メトロポリタン美術館がOpen Accessの方針でパブリックドメインとして公開している、葛飾北斎「冨嶽三十六景」の15枚です。美術館の方針のページは、パブリックドメインと考える作品の画像をCC0で、使い道を限らず無料で出していると書いています。長い辺を768ピクセルに縮めて、PNGで置きました。

学習に使った15枚。富士山が見える北斎の版画が5枚ずつ3段に並んでいる

kohya_ssでは、学習の画像を入れるフォルダーの名前に意味があります。今回は 10_hksfuji という名前にしました。

  • 前の数字(10):1エポックの中で、各画像を何回使うか
  • 後ろの言葉(hksfuji):画像に説明の文(キャプション)が無い時に代わりに使われる言葉。今回はこの言葉をプロンプトに入れるとLoRAが効く、という目印にした

学習を始めると、画面のログに「Folder 10_hksfuji: 10 repeats found」「15 images found」「15 * 10 = 150 steps」と出ました。1エポックが150ステップで、4エポックで600ステップです。

キャプションのファイルは作っていません。学習の途中で「No caption file found for 15 images」という警告が出て、「class tokenがあれば使う」と続きます。そのまま学習は進みました。キャプションを付けた時の違いは試していません。


LoRAタブの初期値と、変えた所

LoRAタブを開いた時の値を、何も変えずに記録してから、次のように変えました。

欄開いた時の値今回の値
Pretrained model name or pathrunwayml/stable-diffusion-v1-5手元のv1-5-pruned-emaonly.safetensors
Epoch14
Max train steps16000(エポックの数で決める)
Network Rank (Dimension)816
Network Alpha18
Text Encoder learning rate0.00010.00005
Sample every n epochs01
Learning rate、Unet learning rate0.0001変えていない
OptimizerAdamW8bit変えていない
LR Schedulercosine変えていない
Train batch size1変えていない
Max resolution512,512変えていない

今回の値は、短い時間で効き目が見える所を狙って編集部が決めたもので、良い値を探した結果ではありません。値を変えて比べることはしていません。

LoRAタブのParametersの欄。Epoch 4、Max train steps 0、Optimizer AdamW8bit、Learning rate 0.0001、Network Rank 16、Network Alpha 8が入っている

「Samples」の欄には、エポックごとに見本の画像を作るためのプロンプトを2行入れました。1行目は目印の言葉 hksfuji を入れたもの、2行目は入れないものです。

hksfuji, mount fuji seen from a modern city street --n lowres, blurry --w 768 --h 512 --d 1234 --s 24 --l 7
mount fuji seen from a modern city street --n lowres, blurry --w 768 --h 512 --d 1234 --s 24 --l 7

学習を始める:1回目は途中で止まった

画面の下の「Start training」を押すと、ログに設定の確認と、実際に流すコマンド、設定のファイル(.toml)の中身が出て、学習が始まります。

1回目は、画像を読み込んでキャプションの警告が出たあと、押してから約1分半で「Training failed with exit code 120」と出て止まりました。ログにはそれ以上の理由が出ておらず、原因は分かっていません。

画面のプログラムを起動し直し、学習の値は同じにして(出力の名前と出力先のフォルダーは1回目と違う)もう一度押すと、2回目は最後まで進み、「Training has ended successfully (exit code 0).」と出ました。押してから4分53秒です。このうち600ステップの学習そのものは3分39秒(毎秒2.73ステップ)で、残りはモデルの読み込みと、エポックごとの見本の画像8枚の作成などです。

画面とは別に、1回目に画面が書き出した設定のファイルを使って、同じ学習をコマンド(accelerate launch で sd-scripts/train_network.py を実行)でも1回流しました。こちらは3分25秒(毎秒2.92ステップ)でした。2つの設定のファイルは、出力の名前と出力先のフォルダーのほかは同じ中身です(見本のプロンプトは、置き場のフォルダーが違うだけで中身は同じ)。

学習中のVRAMの最大は、画面からの回が4,309MiB、コマンドの回が4,325MiBで、8GBのうち半分ほどでした。GPUの温度(nvidia-smiの値)は最大88.3℃と90.2℃でした。GPUの消費電力(nvidia-smiの値。PC全体ではない)の平均は約50Wでした。

出来上がりのファイル(.safetensors)は、エポックごとに1つ、どれも18,989,648バイト(約19MB)でした。


出来たLoRAを使う:同じシードで比べる

LoRAの効き方を見るために、sd-scripts に付いている画像生成のスクリプト(gen_img.py)で、同じプロンプトと同じシードの画像を3通り作りました。LoRAなし、LoRAの強さ0.5、強さ1.0です。使ったLoRAは、コマンドで学習した回の4エポック目のものです。

条件は、768×512、24ステップ、CFG 7、サンプラーはEuler a、ネガティブプロンプトは「lowres, blurry」で、3通りとも同じです。ふだん使う生成ソフト(A1111やComfyUIなど)でLoRAを読み込む方法もありますが、編集部はそちらでは試していません。

富士山と現代の街

プロンプトは「hksfuji, mount fuji seen from a modern city street」です。

富士山と街の比較。上の段のLoRAなしは写真のような街の風景、中段の強さ0.5は車や高い建物が消え、下の段の強さ1.0は3枚とも版画のような絵になっている

  • LoRAなし:3枚とも写真のような街と富士山。シード1002には車が、シード1003には高い建物が写った
  • 強さ0.5:3枚とも車や高い建物は写らなかった。シード1001と1002では瓦屋根や木造の町並みと歩く人が写り、シード1003では富士山のような山が2つ並んだ
  • 強さ1.0:3枚とも版画のような絵になり、車や高い建物は写らなかった。シード1001と1003には縦書きの文字のような模様と赤い印のような形が出た。シード1001と1002では富士山のような山が2つ並んだ

赤い自転車:版画と関係ない題材

LoRAが題材まで引っぱるかを見るため、富士山と関係ない「hksfuji, a red bicycle leaning against a white wall」でも同じように並べました。

赤い自転車の比較。LoRAなしと強さ0.5は写真のような赤い自転車、強さ1.0は3枚とも文字のような模様と赤い印のような形が入り、1枚には山が描かれている

  • LoRAなし:3枚とも写真のような赤い自転車。富士山や波は出なかった
  • 強さ0.5:3枚とも写真のような赤い自転車。版画らしい物は出なかった
  • 強さ1.0:3枚とも赤い自転車は残った。3枚とも文字のような模様(シード2003は文字のような枠)と赤い印のような形が入り、シード2003には富士山のような山が描かれた。シード2001は背景が赤っぽい色で、プロンプトの「白い壁」にならなかった

文字のような模様は、学習に使った版画に入っている題字や印を覚えたものと考えられますが、確かめてはいません。今回の学習では、強さ1.0で頼んでいない物が入りました。画像を何かに使う前に、1枚ずつ見たほうがいい結果です。

エポックごとの見本

学習中に作らせた見本の画像です。同じシード(1234)で、エポックごとに2枚ずつ作られました。上の段は目印の言葉 hksfuji を入れたプロンプト、下の段は入れないプロンプトです。

エポックごとの見本の画像。上の段は1エポック目から版画のような絵、下の段は1エポック目は色が薄く、2エポック目は上の段と同じくらい版画らしい絵になっている

下の段は hksfuji を入れていないのに、1エポック目から色の薄い版画のような絵になり、2エポック目は上の段と同じくらい版画らしい絵になりました。3・4エポック目は、上下の段とも雪の山が2つ並ぶ絵でした。目印の言葉を入れなくても、LoRAを読み込むだけで絵が変わりました。キャプションを付けて学習すれば変わるのかは試していないので、原因は分かっていません。目印の言葉だけで効き目を切り替えたいなら、キャプションの付け方を試す必要がありますが、編集部はまだ試していません。


ライセンス:ソフト、元のモデル、学習に使った画像

  • kohya_ss:Apache License 2.0(READMEとLICENSE.md)
  • sd-scripts:READMEは「スクリプトの大部分はApache License 2.0で、一部は別のライセンス」と書き、別のライセンスの部分を挙げている
  • Stable Diffusion 1.5:モデルカードの表示はCreativeML Open RAIL-M。ライセンスの第6項は、作った画像(Output)について「権利を主張しない」としたうえで、使い方の責任は作った人にあり、ライセンスの禁止事項に反する使い方はできない、と書いている
  • 学習の画像:メトロポリタン美術館のOpen Access(CC0)。編集部は、美術館がパブリックドメインと表示している15枚だけを使った

他人が描いた絵や撮った写真で学習する場合は、その画像の権利と、元のモデルのライセンスを、自分で確かめてください。この記事は、学習してよいかどうかの法律の判断はしていません。


PCを買うなら:GPUの世代とVRAMの欄を見る(広告)

この節には広告(提携)リンクがあります。FRONTIERへのリンクがそれです。

この記事で動かせたのは、NVIDIAのGPUを積んだWindowsのノートPC 1台です。kohya_ssの手順書は「学習にはNVIDIAのGPUが要る。VRAMの必要量は場合による」と書いています。今回のSD 1.5、512×512、バッチ1の学習では最大4,325MiB(画面からの回は4,309MiB)でしたが、SDXLなど大きいモデルや、設定を変えた時の量は測っていません。

GPUを積んだPCをこれから買うなら、販売店の仕様表で見る所は2つあります。GPUの名前(世代)と、「ビデオメモリ」(VRAM)の欄です。たとえばBTOパソコンのFRONTIERでは、商品ページの仕様表にビデオメモリの欄があります。

2026年11月16日に見たブラックフライデーセールのページでは、GeForce RTX 5060 Ti(ビデオメモリ8GB)、メモリ32GB、SSD 1TBの構成(FRGHLB550/WS1008/NTK)が210,980円(税込)と出ていました。編集部はこのPCでもRTX 50シリーズでもkohya_ssを動かしておらず、今回の時間とVRAMの量は当てはめられません。セールの期間中の表示なので、価格・在庫・送料は、買う前に販売店のページで確かめてください。


この記事で確かめていないこと

  • SDXL、SD3、Fluxなど、SD 1.5のほかのモデルでの学習
  • キャプションを付けた学習、正則化の画像、学習の値を変えた比較
  • RTX 50シリーズ、VRAMが8GB以外のGPU、AMDとIntelのGPU
  • Mac、Linux、Colab、Runpodなどクラウドでの実行
  • gui-uv.bat のダブルクリックでの起動、pipでの入れ方、2回目からの起動の時間
  • 1回目の学習が「exit code 120」で止まった原因
  • 作ったLoRAをA1111やComfyUIで読み込むこと
  • 画像の出来の評価、ほかの学習ツールとの比較

参考にした公式ページ

どれも2026年11月15日か16日に開いて読みました。仕様や利用条件は変わることがあるので、導入の前に最新の内容を見てください。