Files
Kohya S.andClaude Opus 4.8 b1f32e5820 Refactor for ai agents (#2372)
* refactor(phase0): 不要ファイルの削除と補助スクリプトの整理

- 非推奨スクリプトを削除: train_controlnet.py, sdxl_train_control_net_lllite_old.py,
  networks/merge_lora_old.py, train_textual_inversion_XTI.py
- 不要ディレクトリを削除: bitsandbytes_windows/, wuerstchen/
- XTI_hijack.py を gen_img_diffusers.py にインライン化して削除
- pytest 用 5–6 行スタブテストを削除(test_train.py 等 10 件)
- 開発補助スクリプトを tools/dev/ へ移動: manual_test_anima_*.py, visualize_masks.py

インペインティングテストランナー (run_*_inpainting_test.*) と密結合する
_verify_inpainting_checkpoint.py / generate_inpainting_test_data.py /
download_training_data.py は tests/ に維持。

Co-Authored-By: Claude Opus 4.7 <[email protected]>

* refactor(phase1a): library.subset を train_util.py から分離

BaseSubset / DreamBoothSubset / FineTuningSubset / ControlNetSubset の 4 クラスを
新規モジュール library/subset.py に移動。train_util.py 側は後方互換のため
re-export shim を残す。

- library/subset.py: 新規(typing 以外の依存なし)
- library/train_util.py: クラス定義 270 行を削除し re-export に置換
- library/config_util.py: subset クラスの import 元を library.subset に切替

動作仕様の変更なし。train_util.py 経由の既存 import は引き続き動作する。

Co-Authored-By: Claude Opus 4.7 <[email protected]>

* refactor(phase1b): library.caching を train_util.py から分離

VAE latent / text encoder output のキャッシュ関連 8 関数を新規モジュール
library/caching.py に移動。train_util.py 側は後方互換のため re-export。

PR-1(dataset 系)の 2 つ目の PR。BaseDataset がこれらの caching 関数を
内部で呼び出すため、後続の dataset.py 抽出(PR-1c)に先立って caching を
独立させ、循環依存を回避する。

- library/caching.py: 新規 8 関数
  - is_disk_cached_latents_is_expected
  - trim_and_resize_if_required
  - load_images_and_masks_for_caching
  - cache_batch_latents
  - cache_batch_text_encoder_outputs
  - cache_batch_text_encoder_outputs_sd3
  - save_text_encoder_outputs_to_disk
  - load_text_encoder_outputs_from_disk
- library/train_util.py: 上記 8 関数の定義を削除し re-export に置換
- library/strategy_base.py: caching.load_images_and_masks_for_caching を直接 import
- finetune/prepare_buckets_latents.py: caching.* を直接 import

train_util.py には BucketManager / load_image / HIGH_VRAM / get_hidden_states_sdxl
が残るため、caching は循環回避のため関数内で `_tu()` 経由で参照する
(PR-1c で dataset.py へ移動した後に整理予定)。

動作仕様の変更なし。両方向の import 順序で動作確認済み。

Co-Authored-By: Claude Opus 4.7 <[email protected]>

* refactor(phase1c): library.dataset を train_util.py から分離

データセット骨格となる以下の要素を新規モジュール library/dataset.py に移動。
train_util.py 側は後方互換のため re-export shim を残す。

PR-1(dataset 系)の 3 つ目の PR。約 1,800 行の最大級の抽出。

## 移動した要素(library/dataset.py、約 1,960 行)

定数:
- IMAGE_EXTENSIONS(pillow_avif / jxl の条件付き拡張含む)
- IMAGE_TRANSFORMS
- TEXT_ENCODER_OUTPUTS_CACHE_SUFFIX / _SD3

クラス:
- ImageInfo(画像メタデータ)
- BucketManager(アスペクト比 bucket)
- BucketBatchIndex(NamedTuple)
- AugHelper(color augmentation)
- BaseDataset(DreamBooth/FineTuning/ControlNet 共通の抽象データセット、約 1,260 行)
- DatasetGroup(torch.utils.data.ConcatDataset サブクラス)
- MinimalDataset(ユーザー定義データセット用)

関数:
- split_train_val
- debug_dataset
- glob_images / glob_images_pathlib
- load_arbitrary_dataset
- load_image

## 後方互換

DreamBoothDataset / FineTuningDataset / ControlNetDataset の 3 つは引き続き
train_util.py に残る(PR-1d で移動予定)。BaseDataset を継承する関係で、
train_util 内のサブクラスは re-export 経由で BaseDataset を参照する。

## 循環依存の整理

caching.py を更新:
- _ds() ヘルパーを追加し、library.dataset の BucketManager / load_image /
  IMAGE_TRANSFORMS を遅延参照
- _tu() は HIGH_VRAM / get_hidden_states_sdxl 用に維持
- caching.py 内の重複 IMAGE_TRANSFORMS 定義を削除(library.dataset を単一の
  ソースに)

## 内部参照の切替

- tests/test_validation.py: from library.dataset import split_train_val
- finetune/prepare_buckets_latents.py: dataset.BucketManager / dataset.ImageInfo を直接使用

学習スクリプト(train_*.py、fine_tune.py 等)の train_util.X 属性アクセスは
shim 経由で動作するため、後続 PR で順次切替予定。

## 動作確認

- ✅ library.dataset / caching / train_util / config_util / strategy_base 単独 import
- ✅ 両方向の import 順序
- ✅ 全主要学習スクリプト(fine_tune, train_db, train_network, sdxl/sd3/flux/lumina/anima 系)の py_compile

Co-Authored-By: Claude Opus 4.7 <[email protected]>

* fix(phase1c): dataset.py の glob エイリアス除去

import glob as _glob としていたため、glob_images / glob_images_pathlib 内の
glob.glob(...) / glob.escape(...) 呼び出しが NameError になっていた。
元コードと同じ import glob に戻す。

Co-Authored-By: Claude Opus 4.7 <[email protected]>

* fix(phase1c): dataset.py に欠落していた import を追加

抽出時に top-level import が漏れていたため、BaseDataset のメソッドが
実行時 NameError になっていた:

- tqdm: from tqdm import tqdm
- re: import re
- Future / ThreadPoolExecutor: from concurrent.futures import ...

また、HIGH_VRAM の参照を _tu().HIGH_VRAM に修正(HIGH_VRAM は train_util に
mutable global として残存しており、本モジュールには無いため)。

Co-Authored-By: Claude Opus 4.7 <[email protected]>

* refactor(phase1d): DreamBooth/FineTuning/ControlNet データセットを分離

PR-1(dataset 系)の最終 PR。BaseDataset を継承する 3 つの具象データセット
クラスを、それぞれ独立したモジュールに移動。

## 新規モジュール

- library/dreambooth_dataset.py: DreamBoothDataset(約 379 行)
- library/finetuning_dataset.py: FineTuningDataset(約 280 行)
- library/controlnet_dataset.py: ControlNetDataset(約 279 行)

## 後方互換

train_util.py 側は約 760 行を削除し、3 クラスを re-export shim で維持:

    from library.dreambooth_dataset import DreamBoothDataset
    from library.finetuning_dataset import FineTuningDataset
    from library.controlnet_dataset import ControlNetDataset

## モジュール間依存

ControlNetDataset は内部で DreamBoothDataset / DreamBoothSubset を委譲先として
利用するため、library.controlnet_dataset → library.dreambooth_dataset の
依存がある。

## PR-1 シリーズ完了

これで train_util.py からのデータセット系分割(PR-1a〜1d)が完了。
- library/subset.py(PR-1a, #2333)
- library/caching.py(PR-1b, #2334)
- library/dataset.py(PR-1c, #2335)
- library/dreambooth_dataset.py / finetuning_dataset.py / controlnet_dataset.py
  (本 PR)

train_util.py は 6,888 行 → 3,774 行に縮小(約 45% 削減)。

## 動作確認

- ✅ 3 つの新規モジュール単独 import
- ✅ 全 PR-1 系列の identity(library.* と train_util re-export が同じクラス)
- ✅ 継承関係(DreamBoothDataset / FineTuningDataset / ControlNetDataset が
  BaseDataset のサブクラス)
- ✅ 全主要学習スクリプト(fine_tune, train_db, train_network, sdxl/sd3/flux/
  lumina/anima 系および各 control_net 系)の py_compile

Co-Authored-By: Claude Opus 4.7 <[email protected]>

* refactor(phase2): 引数定義と設定ヘルパーを library/args.py に分離

train_util.py の add_*_arguments, verify_*, get_sanitized_config_or_none,
read_config_from_file, resume_from_local_or_hf_if_specified の計 12 関数を
library/args.py に移動。train_util.py は re-export shim として維持。
enable_high_vram は accelerator 系(PR-3 で accelerator_setup.py 行き)の
ため train_util.py に残し、verify_training_args からは関数内 import で参照。

train_util.py: 3,774 → 2,600 行 (1,174 行削減)
library/args.py: 1,221 行(新規)

Co-Authored-By: Claude Opus 4.7 <[email protected]>

* refactor(phase3a): hidden states 関連を library/hidden_states.py に分離

train_util.py の get_hidden_states / pool_workaround / get_hidden_states_sdxl
を library/hidden_states.py に移動。train_util.py は re-export shim として維持。
caching.py は循環依存が無いため _tu() 経由ではなく直接 import に変更。

train_util.py: 2,600 → 2,449 行
library/hidden_states.py: 173 行(新規)

Co-Authored-By: Claude Opus 4.7 <[email protected]>

* refactor(phase3b): model I/O・hash・metadata 系を library/model_io.py に分離

train_util.py から以下を library/model_io.py に移動:
- ハッシュ系: model_hash / calculate_sha256 / addnet_hash_legacy /
  addnet_hash_safetensors / precalculate_safetensors_hashes / get_git_revision_hash
- attention 切替: replace_unet_modules
- safetensors metadata: load_metadata_from_safetensors
- ss_* metadata: SS_METADATA_KEY_* 定数 + SS_METADATA_MINIMUM_KEYS +
  build_minimum_network_metadata
- SAI ModelSpec: get_sai_model_spec / get_sai_model_spec_dataclass
- model loader: _load_target_model / load_target_model

計 13 関数 + 7 定数。train_util.py は re-export shim として維持。
networks/lora_interrogator.py が train_util._load_target_model を参照しているため
shim にも _load_target_model を含める。

train_util.py: 2,449 → 2,103 行
library/model_io.py: 421 行(新規)

Co-Authored-By: Claude Opus 4.7 <[email protected]>

* refactor(phase3c): accelerator setup を library/accelerator_setup.py に分離

train_util.py から以下を library/accelerator_setup.py に移動:
- HIGH_VRAM (mutable module-level flag)
- enable_high_vram
- prepare_dataset_args
- prepare_accelerator
- prepare_dtype
- patch_accelerator_for_fp16_training

train_util.py は関数の re-export shim を維持しつつ、HIGH_VRAM 属性アクセスは
module-level __getattr__ で accelerator_setup.HIGH_VRAM へ動的転送する。
これにより train_util.HIGH_VRAM 形式の参照(外部スクリプト互換性)でも
最新値が読み取れる。

リポジトリ内コードは shim に依存しない方針に従い、HIGH_VRAM の参照を
新パス直接参照に切替:
- library/args.py: enable_high_vram の参照
- library/caching.py: _tu().HIGH_VRAM → accelerator_setup.HIGH_VRAM
  (HIGH_VRAM のためだけに残っていた _tu() ヘルパーは削除)
- library/dataset.py: 同上 (_tu() ヘルパー削除)
- library/strategy_{sd,flux,sd3,lumina,anima,hunyuan_image}.py 6 ファイル:
  train_util.HIGH_VRAM → accelerator_setup.HIGH_VRAM

train_util.py: 2,103 → 1,969 行
library/accelerator_setup.py: 186 行(新規)

Co-Authored-By: Claude Opus 4.7 <[email protected]>

* refactor(phase3d): optimizer / scheduler を library/optimizer.py に分離

train_util.py から以下を library/optimizer.py に移動:
- get_optimizer (AdamW / 8bit / Lion / DAdaptation / Prodigy / Adafactor /
  schedule-free / 任意の module.Class 形式に対応する統合ディスパッチャ)
- get_optimizer_train_eval_fn / is_schedulefree_optimizer / get_dummy_scheduler
- get_scheduler_fix (LR scheduler ファクトリ)
- append_lr_to_logs / append_lr_to_logs_with_names

get_my_scheduler は noise scheduler でサンプリング系のため対象外(PR-4 で
sampling.py 行きの予定)。

train_util.py は re-export shim を維持。tests/test_optimizer.py は明示 import
していたため、shim 非依存方針に従い from library.optimizer import に切替。

train_util.py: 1,969 → 1,379 行
library/optimizer.py: 637 行(新規)
累計 6,888 → 1,379 行(80% 削減、PR-3 完了)

Co-Authored-By: Claude Opus 4.7 <[email protected]>

* refactor(phase4a): logging / tracker helpers を library/logging_util.py に分離

train_util.py から init_trackers と LossRecorder を library/logging_util.py
へ切り出し、旧位置は re-export shim に置換。

呼び出し側はすべて train_util.init_trackers / train_util.LossRecorder
の属性アクセスで利用しているため shim 経由で動作し、修正不要。

Co-Authored-By: Claude Opus 4.7 <[email protected]>

* refactor(phase4a): 当リポジトリ内の参照を library.logging_util へ切替

train_util.init_trackers / train_util.LossRecorder を logging_util.* で
直接参照する形に変更。15 ファイルで logging_util の import 追加と
属性アクセスの置換を実施。

train_util.py 経由の re-export shim は fork 互換のため引き続き維持。

Co-Authored-By: Claude Opus 4.7 <[email protected]>

* refactor(phase4b): loss / noise scheduling helpers を library/loss.py に分離

train_util.py から以下を library/loss.py に移動:
- get_timesteps (バッチ単位の diffusion timestep サンプリング)
- get_noise_noisy_latents_and_timesteps (noise offset / multires noise /
  IP noise 適用後のノイズ付き latents 生成)
- get_huber_threshold_if_needed (Huber/Smooth-L1 用の per-timestep
  threshold スケジュール: exponential / snr / constant)
- conditional_loss (l2 / l1 / huber / smooth_l1 のディスパッチャ)

train_util.py は re-export shim を維持。当リポジトリ内 14 ファイルの呼び出し
を loss_util.* (alias) に切替。loss というローカル変数名と衝突するため
import library.loss as loss_util の形で導入。

Co-Authored-By: Claude Opus 4.7 <[email protected]>

* refactor(phase4c): checkpoint 保存系を library/checkpoint_io.py に分離

train_util.py から以下を library/checkpoint_io.py に移動:
- ファイル名テンプレート定数 (EPOCH_FILE_NAME / STEP_STATE_NAME 等 10 個)
- default_if_none / get_epoch_ckpt_name / get_step_ckpt_name /
  get_last_ckpt_name (チェックポイント名ビルダ)
- get_remove_epoch_no / get_remove_step_no
  (--save_last_n_epochs / --save_last_n_steps の rotate 計算)
- save_sd_model_on_epoch_end_or_stepwise(_common) /
  save_sd_model_on_train_end(_common)
  (SD 1.x/2.x checkpoint 保存 + HF Hub upload + rotate)
- save_and_remove_state_on_epoch_end / save_and_remove_state_stepwise /
  save_state_on_train_end (accelerator state 保存 + rotate)

train_util.py は re-export shim を維持。当リポジトリ内 14 トップレベル
スクリプトと library/{anima,flux,leco,lumina,sd3,sdxl}_train_util.py 6 ファイル
の参照を checkpoint_io.* (alias) に切替。

train_util.py: 1,275 → 975 行 (250 行削減)。
library/checkpoint_io.py: 348 行 (新規)。

Co-Authored-By: Claude Opus 4.7 <[email protected]>

* refactor(phase4d): sample 画像生成系を library/sampling.py に分離

train_util.py から以下を library/sampling.py に移動 (498 行):
- noise scheduler 定数 (SCHEDULER_LINEAR_START / _END / _TIMESTEPS / SCHEDLER_SCHEDULE)
- get_my_scheduler (--sample_sampler 名 → diffusers Scheduler ファクトリ)
- line_to_prompt_dict / load_prompts (.txt / .toml / .json プロンプト解析)
- sample_images / sample_images_common / sample_image_inference
  (multi-GPU 分配・RNG 退避・inpainting 入力・W&B 画像 upload)

train_util.py は re-export shim を維持。当リポジトリ内 16 トップレベル
+ 5 library/*_train_util.py = 21 ファイルの参照を sampling.* (alias) に切替。

循環依存対策: sampling.py → sdxl_lpw_stable_diffusion → sdxl_train_util →
train_util → sampling のループになるため、SdxlStableDiffusionLongPromptWeightingPipeline
は sample_image_inference 内で遅延 import (isinstance チェックでのみ使用)。

train_util.py: 975 → 555 行 (420 行削減)。

Co-Authored-By: Claude Opus 4.7 <[email protected]>

* refactor(cleanup): train_util.py の残置 import / コメント遺物を整理

- 旧本体時代の unused top-level imports 80件を削除
- F811 重複定義 2件を解消 (logging / UNet2DConditionModel)
- replace_unet_modules / replace_vae_modules / load_latents_from_disk
  などのコメントアウト遺物を削除
- 各 shim block の noqa を F401, E402 へ更新
- clean_memory_on_device は strategy_lumina.py からの train_util.X
  参照が残るため shim として維持

train_util.py 555 → 295 行 (47% 削減)、ruff check clean、pytest 150 passed

Co-Authored-By: Claude Opus 4.7 <[email protected]>

* refactor(cleanup): train_util.py の小ヘルパーと前処理クラスを再配置

- EPSILON / exists / default は参照ゼロのため完全削除(shim も置かない)
- ImageLoadingDataset を finetune/image_loading_dataset.py 新設に移動
  - 参照元 (finetune/prepare_buckets_latents.py / make_captions_by_git.py)
    の 2 箇所を新パス参照に書き換え
  - train_util shim は置かない(参照元が finetune/ 内に閉じているため)
- collator_class を library/dataset.py に移動し train_util から re-export
  - 学習スクリプト 15 ファイルの train_util.collator_class 参照は
    shim 経由でそのまま動作するため書き換え不要

train_util.py 295 → 222 行、pytest 150 passed

Co-Authored-By: Claude Opus 4.7 <[email protected]>

* refactor(cleanup): 旧 cache_latents / cache_text_encoder_outputs 系メソッドを削除

学習スクリプト・tools/cache_*.py はすべて new_cache_latents /
new_cache_text_encoder_outputs に切り替わっており、以下の旧 API はどこからも呼ばれていない。

- BaseDataset.cache_latents
- BaseDataset.cache_text_encoder_outputs / _sd3 / _common
- DatasetGroup.cache_latents / cache_text_encoder_outputs / _sd3
- ControlNetDataset.cache_latents

合計 224 行を削除。pytest 全 150 件パス + 実機スモークテスト確認済。

Co-Authored-By: Claude Opus 4.7 <[email protected]>

* refactor(cleanup): caching.py の連鎖デッド関数と未使用 import を整理

PR #2348 で BaseDataset.cache_text_encoder_outputs_common 等が削除された結果、
それらからのみ呼ばれていた caching.py 内の以下が完全にデッドになったため削除。

- cache_batch_text_encoder_outputs
- cache_batch_text_encoder_outputs_sd3
- save_text_encoder_outputs_to_disk
- load_text_encoder_outputs_from_disk

これに伴う未使用 import の整理:
- library/caching.py: sd3_utils / get_hidden_states_sdxl の import 削除
- library/dataset.py: cache_batch_* / is_disk_cached_latents_is_expected の import 削除、
  古いコメント遺物 1 行削除
- library/{controlnet,dreambooth,finetuning}_dataset.py: caching からの旧 import ブロック
  全削除、TEXT_ENCODER_OUTPUTS_CACHE_SUFFIX* も未使用のため削除
- library/train_util.py: 削除済み関数の re-export 5 行削除(fork 側も new_* に
  移行する必要があるため shim 維持の意義なし)

合計 -121 / +4 行。pytest 全 150 件パス。

Co-Authored-By: Claude Opus 4.7 <[email protected]>

* refactor(cleanup): caching_mode 系のデッドコードを削除

strategy パターン導入以降、DatasetGroup.set_caching_mode は外部から呼ばれて
おらず、self.caching_mode は永遠に None。連鎖して以下が完全にデッドコード化
していたため削除。

- BaseDataset.set_caching_mode / DatasetGroup.set_caching_mode
- self.caching_mode 属性 (init=None)
- BaseDataset.__getitem__ 内の caching_mode 分岐
- BaseDataset.get_item_for_caching
- BaseDataset.get_input_ids
  - self.tokenizers / self.tokenizer_max_length 属性が BaseDataset で
    一度も代入されておらず、呼ばれた時点で AttributeError になる構造で、
    実行されていないことの裏付けにもなっていた

加えて、上記参照を含むコメントアウト遺物を削除し、MinimalDataset の docstring
内例の self.get_input_ids 参照を strategy ベース (self.tokenize_strategy.tokenize)
に更新。

合計 -154/+1 行。pytest 全 150 件パス。

Co-Authored-By: Claude Opus 4.7 <[email protected]>

* refactor(cleanup): SdxlNetworkTrainer.get_text_cond のデッドコードを削除

`SdxlNetworkTrainer.get_text_cond` はリポジトリ内のどこからも呼ばれていない
デッドコードとなっていた(SDXL の text encoder 出力取得は
`strategy_sdxl.SdxlTextEncodingStrategy` 経由に完全移行済)。これを削除する。

連鎖的にデッド化する `library.hidden_states.get_hidden_states_sdxl` は、
fork 側で `train_util.get_hidden_states_sdxl` を直接参照している可能性に
配慮し、関数本体・shim ともに残す。代わりに「もはや当リポジトリからは
呼ばれておらず、将来削除候補である」旨をモジュール docstring と関数直前の
コメントに明記した。

Co-Authored-By: Claude Opus 4.7 <[email protected]>

* refactor(phase2-1): NetworkTrainer.train() からメタデータ構築を _build_metadata() に分離

- 約 230 行のメタデータ構築ブロック(基本設定 / データセット / モデルハッシュ / minimum_metadata 抽出)を専用メソッドに切り出し
- train() 内のインライン処理を 17 行のメソッド呼び出しに置換
- サブクラスの update_metadata フックは現状の (metadata, args) シグネチャを維持
- 動作仕様は変更なし。dump 比較で session_id / training_started_at 以外の差分がないことを確認

Co-Authored-By: Claude Opus 4.7 <[email protected]>

* fix: split_train_val をインポート

* refactor(phase2-2): step版/epoch版 validation の重複を _run_validation_loop() に統合

- 重複していた validation ブロック (step 版 67 行 + epoch 版 70 行) を共通メソッドに集約
- mode: Literal["step", "epoch"] 引数で tqdm desc / progress postfix / log キー名 / log 送信関数 (step_logging vs epoch_logging) を切替
- on_step_start と args.min/max_timestep 代入の順序を step 版に統一 (元の epoch 版は順序が逆だったが、ベース/全サブクラスの on_step_start は args.min_timestep を参照しないため実質的影響なし)
- epoch 版にあった avr_loss 中間変数は削除し loss_recorder.moving_average を直接利用 (step 版の書き方に揃える)
- 呼出側 (train() 内) は setup (optimizer_eval_fn / network.eval / switch_rng_state) と teardown (restore_rng_state / args 復元 / optimizer_train_fn / network.train / progress_bar.unpause) を保持

Co-Authored-By: Claude Opus 4.7 <[email protected]>

* refactor(phase2-3): save_model/remove_model クロージャを method 化

train_network.py の train() 内にあった save_model / remove_model クロージャを
_save_model / _remove_model メソッドに昇格。設計方針(案 C):
- 不変な state: self._metadata / self._minimum_metadata に格上げ
- 呼び出し局所の値: args / accelerator / save_dtype / ckpt_name 等を kw-only 引数
  で受け取る(_run_validation_loop のシグネチャ流儀を踏襲)

これに伴い _build_metadata() は返り値を廃止し self._metadata / self._minimum_metadata
を直接設定する形に変更。train() 内に残存していた metadata["ss_epoch"] /
metadata["ss_training_finished_at"] のローカル参照も self._metadata[...] に置換。

検証: py_compile OK / AST 未解決名チェック clean / 全サブクラス
(sdxl/flux/sd3/lumina/anima/hunyuan_image) import OK / pytest 150 passed。
動作ロジックは同型変換のため不変。

Co-Authored-By: Claude Opus 4.7 <[email protected]>

* refactor(phase4e): train_util shim 経由の内部参照を直 import に切替

リポジトリ内の train_util.* 属性アクセス約 500 箇所 (69 ファイル) を
canonical モジュール (dataset / caching / args / optimizer / model_io /
checkpoint_io / accelerator_setup / hidden_states / loss / sampling /
logging_util / device_utils 等) への直 import に変換。

- モジュール修飾は `import library.X as X`、ローカル変数と衝突する
  モジュールは loss_util / optimizer_util / args_util / dataset_util を使用
- クラス・定数は from-import (例: from library.dataset import DatasetGroup)
- config_util.py の相対 import (from .train_util import ...) も
  dataset / dreambooth_dataset / finetuning_dataset / controlnet_dataset へ分解
- strategy_anima / strategy_flux / strategy_hunyuan_image / strategy_sd3 に
  欠落していた accelerator_setup の import を追加 (HIGH_VRAM 参照の既存バグ修正)
- test_lumina_train_network.py の patch 対象を library.model_io へ更新
- leco_train_util.py の未使用 train_util import を削除

train_util.py の re-export shim は fork 互換のため引き続き維持。
内部からの参照は gen_img_diffusers.py の load_tokenizer (shim に存在しない
既存の壊れた参照) を除きゼロになった。

Co-Authored-By: Claude Fable 5 <[email protected]>

* doc: 01-overview.md をリファクタ後のモジュール構成に更新

train_util.py 分割後の 15 モジュールの所在マップと import 規約
(直 import / エイリアス / shim の位置付け) を AI 向け context に追記。

Co-Authored-By: Claude Fable 5 <[email protected]>

* fix: code-review 指摘のクラッシュ 3 件と import 重複を修正

- finetune/prepare_buckets_latents.py, make_captions_by_git.py:
  `from finetune.image_loading_dataset import ...` は finetune/ が
  パッケージでないため script 実行時に ModuleNotFoundError になる。
  既存の make_captions.py と同じ sys.path.append + 同階層 import に変更
- prepare_buckets_latents.py: モジュールエイリアス dataset がローカル変数
  `dataset = ImageLoadingDataset(...)` に遮蔽され UnboundLocalError に
  なっていた問題を修正 (二重 import を削除し dataset_util に統一)
- prepare_buckets_latents.py: is_disk_cached_latents_is_expected に
  欠けていた第 4 引数 alpha_mask=False を追加 (dev 由来の既存バグ、
  --skip_existing 指定時に TypeError)
- train_network.py: phase4e 変換で二重挿入された import ブロック
  (lines 42-49) と from-import 内の sai_model_spec 重複を削除

検証: 両スクリプトの --help 実行 OK、compileall OK、pytest 150 passed

Co-Authored-By: Claude Fable 5 <[email protected]>

* fix: code-review 指摘 5-7 (doc 残存・stale docstring・未使用 import) を解消

- docs/train_README-ja.md / zh.md: 廃止済み XTI:P+ (train_textual_inversion_XTI.py)
  への言及を削除し、廃止の注記を追加
- library/dataset.py: docstring の「specializations は train_util にあり
  PR-1d で移動予定」という stale な記述を、移動済みの 3 モジュール
  (dreambooth/finetuning/controlnet_dataset) を指す記述に更新
- gen_img.py / sdxl_gen_img.py / hunyuan_image_train_network.py:
  使用箇所ゼロの train_util import を削除 (実使用は sdxl_train_util のみ)。
  リポジトリ全体をスイープし他に未使用 train_util import が無いことを確認

検証: import スモーク OK、pytest 150 passed

Co-Authored-By: Claude Fable 5 <[email protected]>

* fix: code-review 指摘 8 (dataset 系 3 モジュールの未使用 import) を一掃

Co-Authored-By: Claude Fable 5 <[email protected]>

* fix: code-review 指摘 9 (model_io の diffusers/model_util/original_unet を遅延 import 化)

networks/ 配下の軽量 CLI が hashing/metadata ヘルパーのためだけに
model_io を import する際の起動時間を約 2.7 秒短縮。

Co-Authored-By: Claude Fable 5 <[email protected]>

* refactor: code-review 指摘 10 (caching<->dataset 双方向依存を utils への葉モジュール化で解消)

- IMAGE_TRANSFORMS / load_image / get_crop_ltrb / trim_and_resize_if_required
  を library/utils.py へ移動 (dataset.py / caching.py からは再 export で互換維持、
  BucketManager.get_crop_ltrb は委譲 staticmethod として存続)
- caching.py の _ds() 遅延アクセサを撤去し utils 直 import に
- strategy_base.py の関数内 `from library import caching` を top-level に昇格
- utils.py の未使用関数 swap_weight_devices / weighs_to_device を削除
  (custom_offloading_utils.py に使用中の別実装があり、こちらは孤立した古いコピー)

Co-Authored-By: Claude Fable 5 <[email protected]>

* docs: fine-tuning メタデータファイル仕様を新設し、既存 README から誘導

finetuning_dataset.py が読み込む契約 (caption/tags/image_size、json/jsonl
両形式、画像パス解決・キャッシュ関係) を docs/dataset_metadata.md に仕様化。
config_README-en/ja の metadata_file 説明からリンクし、train_README-ja/zh の
陳腐化した「メタデータファイルの作成」節を仕様への誘導に置き換え。

Co-Authored-By: Claude Opus 4.8 (1M context) <[email protected]>

---------

Co-authored-by: Claude Opus 4.7 <[email protected]>
2026-06-11 21:30:09 +09:00

1086 lines
49 KiB
Python

# training with captions
import argparse
from concurrent.futures import ThreadPoolExecutor
import copy
import math
import os
from multiprocessing import Value
from typing import List
import toml
from tqdm import tqdm
import torch
from library import utils
from library.device_utils import init_ipex, clean_memory_on_device
from library.safetensors_utils import load_safetensors
init_ipex()
from accelerate.utils import set_seed
from diffusers import DDPMScheduler
from library import deepspeed_utils, sd3_models, sd3_train_utils, sd3_utils, strategy_base, strategy_sd3
import library.sai_model_spec as sai_model_spec
from library.sdxl_train_util import match_mixed_precision
# , sdxl_model_util
import library.accelerator_setup as accelerator_setup
import library.args as args_util
import library.dataset as dataset_util
import library.optimizer as optimizer_util
import library.logging_util as logging_util
import library.loss as loss_util
import library.checkpoint_io as checkpoint_io
import library.sampling as sampling
from library.utils import setup_logging, add_logging_arguments
setup_logging()
import logging
logger = logging.getLogger(__name__)
import library.config_util as config_util
# import library.sdxl_train_util as sdxl_train_util
from library.config_util import (
ConfigSanitizer,
BlueprintGenerator,
)
from library.custom_train_functions import apply_masked_loss, add_custom_train_arguments
# from library.custom_train_functions import (
# apply_snr_weight,
# prepare_scheduler_for_custom_training,
# scale_v_prediction_loss_like_noise_prediction,
# add_v_prediction_like_loss,
# apply_debiased_estimation,
# apply_masked_loss,
# )
def train(args):
args_util.verify_training_args(args)
accelerator_setup.prepare_dataset_args(args, True)
# sdxl_train_util.verify_sdxl_training_args(args)
deepspeed_utils.prepare_deepspeed_args(args)
setup_logging(args, reset=True)
# temporary: backward compatibility for deprecated options. remove in the future
if not args.skip_cache_check:
args.skip_cache_check = args.skip_latents_validity_check
# assert (
# not args.weighted_captions
# ), "weighted_captions is not supported currently / weighted_captionsは現在サポートされていません"
# assert (
# not args.train_text_encoder or not args.cache_text_encoder_outputs
# ), "cache_text_encoder_outputs is not supported when training text encoder / text encoderを学習するときはcache_text_encoder_outputsはサポートされていません"
if args.cache_text_encoder_outputs_to_disk and not args.cache_text_encoder_outputs:
logger.warning(
"cache_text_encoder_outputs_to_disk is enabled, so cache_text_encoder_outputs is also enabled / cache_text_encoder_outputs_to_diskが有効になっているため、cache_text_encoder_outputsも有効になります"
)
args.cache_text_encoder_outputs = True
assert not args.train_text_encoder or (args.use_t5xxl_cache_only or not args.cache_text_encoder_outputs), (
"when training text encoder, text encoder outputs must not be cached (except for T5XXL)"
+ " / text encoderの学習時はtext encoderの出力はキャッシュできません(t5xxlのみキャッシュすることは可能です)"
)
if args.use_t5xxl_cache_only and not args.cache_text_encoder_outputs:
logger.warning(
"use_t5xxl_cache_only is enabled, so cache_text_encoder_outputs is automatically enabled."
+ " / use_t5xxl_cache_onlyが有効なため、cache_text_encoder_outputsも自動的に有効になります"
)
args.cache_text_encoder_outputs = True
if args.train_t5xxl:
assert (
args.train_text_encoder
), "when training T5XXL, text encoder (CLIP-L/G) must be trained / T5XXLを学習するときはtext encoder (CLIP-L/G)も学習する必要があります"
assert (
not args.cache_text_encoder_outputs
), "when training T5XXL, t5xxl output must not be cached / T5XXLを学習するときはt5xxlの出力をキャッシュできません"
cache_latents = args.cache_latents
use_dreambooth_method = args.in_json is None
if args.seed is not None:
set_seed(args.seed) # 乱数系列を初期化する
# prepare caching strategy: this must be set before preparing dataset. because dataset may use this strategy for initialization.
if args.cache_latents:
latents_caching_strategy = strategy_sd3.Sd3LatentsCachingStrategy(
args.cache_latents_to_disk, args.vae_batch_size, args.skip_cache_check
)
strategy_base.LatentsCachingStrategy.set_strategy(latents_caching_strategy)
# データセットを準備する
if args.dataset_class is None:
blueprint_generator = BlueprintGenerator(ConfigSanitizer(True, True, args.masked_loss, True))
if args.dataset_config is not None:
logger.info(f"Load dataset config from {args.dataset_config}")
user_config = config_util.load_user_config(args.dataset_config)
ignored = ["train_data_dir", "in_json"]
if any(getattr(args, attr) is not None for attr in ignored):
logger.warning(
"ignore following options because config file is found: {0} / 設定ファイルが利用されるため以下のオプションは無視されます: {0}".format(
", ".join(ignored)
)
)
else:
if use_dreambooth_method:
logger.info("Using DreamBooth method.")
user_config = {
"datasets": [
{
"subsets": config_util.generate_dreambooth_subsets_config_by_subdirs(
args.train_data_dir, args.reg_data_dir
)
}
]
}
else:
logger.info("Training with captions.")
user_config = {
"datasets": [
{
"subsets": [
{
"image_dir": args.train_data_dir,
"metadata_file": args.in_json,
}
]
}
]
}
blueprint = blueprint_generator.generate(user_config, args)
train_dataset_group, val_dataset_group = config_util.generate_dataset_group_by_blueprint(blueprint.dataset_group)
else:
train_dataset_group = dataset_util.load_arbitrary_dataset(args)
val_dataset_group = None
current_epoch = Value("i", 0)
current_step = Value("i", 0)
ds_for_collator = train_dataset_group if args.max_data_loader_n_workers == 0 else None
collator = dataset_util.collator_class(current_epoch, current_step, ds_for_collator)
train_dataset_group.verify_bucket_reso_steps(8) # TODO これでいいか確認
if args.debug_dataset:
if args.cache_text_encoder_outputs:
strategy_base.TextEncoderOutputsCachingStrategy.set_strategy(
strategy_sd3.Sd3TextEncoderOutputsCachingStrategy(
args.cache_text_encoder_outputs_to_disk,
args.text_encoder_batch_size,
False,
False,
False,
False,
)
)
train_dataset_group.set_current_strategies()
dataset_util.debug_dataset(train_dataset_group, True)
return
if len(train_dataset_group) == 0:
logger.error(
"No data found. Please verify the metadata file and train_data_dir option. / 画像がありません。メタデータおよびtrain_data_dirオプションを確認してください。"
)
return
if cache_latents:
assert (
train_dataset_group.is_latent_cacheable()
), "when caching latents, either color_aug or random_crop cannot be used / latentをキャッシュするときはcolor_augとrandom_cropは使えません"
if args.cache_text_encoder_outputs:
assert (
train_dataset_group.is_text_encoder_output_cacheable()
), "when caching text encoder output, either caption_dropout_rate, shuffle_caption, token_warmup_step or caption_tag_dropout_rate cannot be used / text encoderの出力をキャッシュするときはcaption_dropout_rate, shuffle_caption, token_warmup_step, caption_tag_dropout_rateは使えません"
# acceleratorを準備する
logger.info("prepare accelerator")
accelerator = accelerator_setup.prepare_accelerator(args)
# mixed precisionに対応した型を用意しておき適宜castする
weight_dtype, save_dtype = accelerator_setup.prepare_dtype(args)
# モデルを読み込む
# t5xxl_dtype = weight_dtype
model_dtype = match_mixed_precision(args, weight_dtype) # None (default) or fp16/bf16 (full_xxxx)
if args.clip_l is None:
sd3_state_dict = load_safetensors(
args.pretrained_model_name_or_path, "cpu", args.disable_mmap_load_safetensors, model_dtype
)
else:
sd3_state_dict = None
# load tokenizer and prepare tokenize strategy
sd3_tokenize_strategy = strategy_sd3.Sd3TokenizeStrategy(args.t5xxl_max_token_length)
strategy_base.TokenizeStrategy.set_strategy(sd3_tokenize_strategy)
# load clip_l, clip_g, t5xxl for caching text encoder outputs
# clip_l = sd3_train_utils.load_target_model("clip_l", args, sd3_state_dict, accelerator, attn_mode, clip_dtype, device_to_load)
# clip_g = sd3_train_utils.load_target_model("clip_g", args, sd3_state_dict, accelerator, attn_mode, clip_dtype, device_to_load)
clip_l = sd3_utils.load_clip_l(args.clip_l, weight_dtype, "cpu", args.disable_mmap_load_safetensors, state_dict=sd3_state_dict)
clip_g = sd3_utils.load_clip_g(args.clip_g, weight_dtype, "cpu", args.disable_mmap_load_safetensors, state_dict=sd3_state_dict)
t5xxl = sd3_utils.load_t5xxl(args.t5xxl, weight_dtype, "cpu", args.disable_mmap_load_safetensors, state_dict=sd3_state_dict)
assert clip_l is not None and clip_g is not None and t5xxl is not None, "clip_l, clip_g, t5xxl must be specified"
# prepare text encoding strategy
text_encoding_strategy = strategy_sd3.Sd3TextEncodingStrategy(
args.apply_lg_attn_mask, args.apply_t5_attn_mask, args.clip_l_dropout_rate, args.clip_g_dropout_rate, args.t5_dropout_rate
)
strategy_base.TextEncodingStrategy.set_strategy(text_encoding_strategy)
# 学習を準備する:モデルを適切な状態にする
train_clip = False
train_t5xxl = False
if args.train_text_encoder:
accelerator.print("enable text encoder training")
if args.gradient_checkpointing:
clip_l.gradient_checkpointing_enable()
clip_g.gradient_checkpointing_enable()
if args.train_t5xxl:
t5xxl.gradient_checkpointing_enable()
lr_te1 = args.learning_rate_te1 if args.learning_rate_te1 is not None else args.learning_rate # 0 means not train
lr_te2 = args.learning_rate_te2 if args.learning_rate_te2 is not None else args.learning_rate # 0 means not train
lr_t5xxl = args.learning_rate_te3 if args.learning_rate_te3 is not None else args.learning_rate # 0 means not train
train_clip = lr_te1 != 0 or lr_te2 != 0
train_t5xxl = lr_t5xxl != 0 and args.train_t5xxl
clip_l.to(weight_dtype)
clip_g.to(weight_dtype)
t5xxl.to(weight_dtype)
clip_l.requires_grad_(train_clip)
clip_g.requires_grad_(train_clip)
t5xxl.requires_grad_(train_t5xxl)
else:
print("disable text encoder training")
clip_l.to(weight_dtype)
clip_g.to(weight_dtype)
t5xxl.to(weight_dtype)
clip_l.requires_grad_(False)
clip_g.requires_grad_(False)
t5xxl.requires_grad_(False)
lr_te1 = 0
lr_te2 = 0
lr_t5xxl = 0
# cache text encoder outputs
sample_prompts_te_outputs = None
if args.cache_text_encoder_outputs:
clip_l.to(accelerator.device)
clip_g.to(accelerator.device)
t5xxl.to(accelerator.device)
clip_l.eval()
clip_g.eval()
t5xxl.eval()
text_encoder_caching_strategy = strategy_sd3.Sd3TextEncoderOutputsCachingStrategy(
args.cache_text_encoder_outputs_to_disk,
args.text_encoder_batch_size,
args.skip_cache_check,
train_clip or args.use_t5xxl_cache_only, # if clip is trained or t5xxl is cached, caching is partial
args.apply_lg_attn_mask,
args.apply_t5_attn_mask,
)
strategy_base.TextEncoderOutputsCachingStrategy.set_strategy(text_encoder_caching_strategy)
with accelerator.autocast():
train_dataset_group.new_cache_text_encoder_outputs([clip_l, clip_g, t5xxl], accelerator)
# cache sample prompt's embeddings to free text encoder's memory
if args.sample_prompts is not None:
logger.info(f"cache Text Encoder outputs for sample prompt: {args.sample_prompts}")
prompts = sampling.load_prompts(args.sample_prompts)
sample_prompts_te_outputs = {} # key: prompt, value: text encoder outputs
with accelerator.autocast(), torch.no_grad():
for prompt_dict in prompts:
for p in [prompt_dict.get("prompt", ""), prompt_dict.get("negative_prompt", "")]:
if p not in sample_prompts_te_outputs:
logger.info(f"cache Text Encoder outputs for prompt: {p}")
tokens_and_masks = sd3_tokenize_strategy.tokenize(p)
sample_prompts_te_outputs[p] = text_encoding_strategy.encode_tokens(
sd3_tokenize_strategy,
[clip_l, clip_g, t5xxl],
tokens_and_masks,
args.apply_lg_attn_mask,
args.apply_t5_attn_mask,
enable_dropout=False,
)
accelerator.wait_for_everyone()
# now we can delete Text Encoders to free memory
if not args.use_t5xxl_cache_only:
clip_l = None
clip_g = None
t5xxl = None
clean_memory_on_device(accelerator.device)
# load VAE for caching latents
if sd3_state_dict is None:
logger.info(f"load state dict for MMDiT and VAE from {args.pretrained_model_name_or_path}")
sd3_state_dict = load_safetensors(
args.pretrained_model_name_or_path, "cpu", args.disable_mmap_load_safetensors, model_dtype
)
vae = sd3_utils.load_vae(args.vae, weight_dtype, "cpu", args.disable_mmap_load_safetensors, state_dict=sd3_state_dict)
if cache_latents:
# vae = sd3_train_utils.load_target_model("vae", args, sd3_state_dict, accelerator, attn_mode, vae_dtype, device_to_load)
vae.to(accelerator.device, dtype=weight_dtype)
vae.requires_grad_(False)
vae.eval()
train_dataset_group.new_cache_latents(vae, accelerator)
vae.to("cpu") # if no sampling, vae can be deleted
clean_memory_on_device(accelerator.device)
accelerator.wait_for_everyone()
# load MMDIT
mmdit = sd3_utils.load_mmdit(sd3_state_dict, model_dtype, "cpu")
# attn_mode = "xformers" if args.xformers else "torch"
# assert (
# attn_mode == "torch"
# ), f"attn_mode {attn_mode} is not supported yet. Please use `--sdpa` instead of `--xformers`. / attn_mode {attn_mode} はサポートされていません。`--xformers`の代わりに`--sdpa`を使ってください。"
mmdit.set_pos_emb_random_crop_rate(args.pos_emb_random_crop_rate)
# set resolutions for positional embeddings
if args.enable_scaled_pos_embed:
resolutions = train_dataset_group.get_resolutions()
latent_sizes = [round(math.sqrt(res[0] * res[1])) // 8 for res in resolutions] # 8 is stride for latent
latent_sizes = list(set(latent_sizes)) # remove duplicates
logger.info(f"Prepare scaled positional embeddings for resolutions: {resolutions}, sizes: {latent_sizes}")
mmdit.enable_scaled_pos_embed(True, latent_sizes)
if args.gradient_checkpointing:
mmdit.enable_gradient_checkpointing()
train_mmdit = args.learning_rate != 0
mmdit.requires_grad_(train_mmdit)
if not train_mmdit:
mmdit.to(accelerator.device, dtype=weight_dtype) # because of mmdit will not be prepared
# block swap
is_swapping_blocks = args.blocks_to_swap is not None and args.blocks_to_swap > 0
if is_swapping_blocks:
# Swap blocks between CPU and GPU to reduce memory usage, in forward and backward passes.
# This idea is based on 2kpr's great work. Thank you!
logger.info(f"enable block swap: blocks_to_swap={args.blocks_to_swap}")
mmdit.enable_block_swap(args.blocks_to_swap, accelerator.device)
if not cache_latents:
# move to accelerator device
vae.requires_grad_(False)
vae.eval()
vae.to(accelerator.device, dtype=weight_dtype)
mmdit.requires_grad_(train_mmdit)
if not train_mmdit:
mmdit.to(accelerator.device, dtype=weight_dtype) # because of unet is not prepared
if args.num_last_block_to_freeze:
# freeze last n blocks of MM-DIT
block_name = "x_block"
filtered_blocks = [(name, param) for name, param in mmdit.named_parameters() if block_name in name]
accelerator.print(f"filtered_blocks: {len(filtered_blocks)}")
num_blocks_to_freeze = min(len(filtered_blocks), args.num_last_block_to_freeze)
accelerator.print(f"freeze_blocks: {num_blocks_to_freeze}")
start_freezing_from = max(0, len(filtered_blocks) - num_blocks_to_freeze)
for i in range(start_freezing_from, len(filtered_blocks)):
_, param = filtered_blocks[i]
param.requires_grad = False
training_models = []
params_to_optimize = []
param_names = []
training_models.append(mmdit)
params_to_optimize.append({"params": list(filter(lambda p: p.requires_grad, mmdit.parameters())), "lr": args.learning_rate})
param_names.append([n for n, _ in mmdit.named_parameters()])
if train_clip:
if lr_te1 > 0:
training_models.append(clip_l)
params_to_optimize.append({"params": list(clip_l.parameters()), "lr": args.learning_rate_te1 or args.learning_rate})
param_names.append([n for n, _ in clip_l.named_parameters()])
if lr_te2 > 0:
training_models.append(clip_g)
params_to_optimize.append({"params": list(clip_g.parameters()), "lr": args.learning_rate_te2 or args.learning_rate})
param_names.append([n for n, _ in clip_g.named_parameters()])
if train_t5xxl:
training_models.append(t5xxl)
params_to_optimize.append({"params": list(t5xxl.parameters()), "lr": args.learning_rate_te3 or args.learning_rate})
param_names.append([n for n, _ in t5xxl.named_parameters()])
# calculate number of trainable parameters
n_params = 0
for group in params_to_optimize:
for p in group["params"]:
n_params += p.numel()
accelerator.print(f"train mmdit: {train_mmdit} , clip:{train_clip}, t5xxl:{train_t5xxl}")
accelerator.print(f"number of models: {len(training_models)}")
accelerator.print(f"number of trainable parameters: {n_params}")
# 学習に必要なクラスを準備する
accelerator.print("prepare optimizer, data loader etc.")
if args.blockwise_fused_optimizers:
# fused backward pass: https://pytorch.org/tutorials/intermediate/optimizer_step_in_backward_tutorial.html
# Instead of creating an optimizer for all parameters as in the tutorial, we create an optimizer for each block of parameters.
# This balances memory usage and management complexity.
# split params into groups for mmdit. clip_l, clip_g, t5xxl are in each group
grouped_params = []
param_group = {}
group = params_to_optimize[0]
named_parameters = list(mmdit.named_parameters())
assert len(named_parameters) == len(group["params"]), "number of parameters does not match"
for p, np in zip(group["params"], named_parameters):
# determine target layer and block index for each parameter
block_type = "other" # joint or other
if np[0].startswith("joint_blocks"):
block_idx = int(np[0].split(".")[1])
block_type = "joint"
else:
block_idx = -1
param_group_key = (block_type, block_idx)
if param_group_key not in param_group:
param_group[param_group_key] = []
param_group[param_group_key].append(p)
block_types_and_indices = []
for param_group_key, param_group in param_group.items():
block_types_and_indices.append(param_group_key)
grouped_params.append({"params": param_group, "lr": args.learning_rate})
num_params = 0
for p in param_group:
num_params += p.numel()
accelerator.print(f"block {param_group_key}: {num_params} parameters")
grouped_params.extend(params_to_optimize[1:]) # add clip_l, clip_g, t5xxl if they are trained
# prepare optimizers for each group
optimizers = []
for group in grouped_params:
_, _, optimizer = optimizer_util.get_optimizer(args, trainable_params=[group])
optimizers.append(optimizer)
optimizer = optimizers[0] # avoid error in the following code
logger.info(f"using {len(optimizers)} optimizers for blockwise fused optimizers")
if optimizer_util.is_schedulefree_optimizer(optimizers[0], args):
raise ValueError("Schedule-free optimizer is not supported with blockwise fused optimizers")
optimizer_train_fn = lambda: None # dummy function
optimizer_eval_fn = lambda: None # dummy function
else:
_, _, optimizer = optimizer_util.get_optimizer(args, trainable_params=params_to_optimize)
optimizer_train_fn, optimizer_eval_fn = optimizer_util.get_optimizer_train_eval_fn(optimizer, args)
# prepare dataloader
# strategies are set here because they cannot be referenced in another process. Copy them with the dataset
# some strategies can be None
train_dataset_group.set_current_strategies()
# DataLoaderのプロセス数:0 は persistent_workers が使えないので注意
n_workers = min(args.max_data_loader_n_workers, os.cpu_count()) # cpu_count or max_data_loader_n_workers
train_dataloader = torch.utils.data.DataLoader(
train_dataset_group,
batch_size=1,
shuffle=True,
collate_fn=collator,
num_workers=n_workers,
persistent_workers=args.persistent_data_loader_workers,
)
# 学習ステップ数を計算する
if args.max_train_epochs is not None:
args.max_train_steps = args.max_train_epochs * math.ceil(
len(train_dataloader) / accelerator.num_processes / args.gradient_accumulation_steps
)
accelerator.print(
f"override steps. steps for {args.max_train_epochs} epochs is / 指定エポックまでのステップ数: {args.max_train_steps}"
)
# データセット側にも学習ステップを送信
train_dataset_group.set_max_train_steps(args.max_train_steps)
# lr schedulerを用意する
if args.blockwise_fused_optimizers:
# prepare lr schedulers for each optimizer
lr_schedulers = [optimizer_util.get_scheduler_fix(args, optimizer, accelerator.num_processes) for optimizer in optimizers]
lr_scheduler = lr_schedulers[0] # avoid error in the following code
else:
lr_scheduler = optimizer_util.get_scheduler_fix(args, optimizer, accelerator.num_processes)
# 実験的機能:勾配も含めたfp16/bf16学習を行う モデル全体をfp16/bf16にする
if args.full_fp16:
assert (
args.mixed_precision == "fp16"
), "full_fp16 requires mixed precision='fp16' / full_fp16を使う場合はmixed_precision='fp16'を指定してください。"
accelerator.print("enable full fp16 training.")
mmdit.to(weight_dtype)
if clip_l is not None:
clip_l.to(weight_dtype)
if clip_g is not None:
clip_g.to(weight_dtype)
if t5xxl is not None:
t5xxl.to(weight_dtype)
elif args.full_bf16:
assert (
args.mixed_precision == "bf16"
), "full_bf16 requires mixed precision='bf16' / full_bf16を使う場合はmixed_precision='bf16'を指定してください。"
accelerator.print("enable full bf16 training.")
mmdit.to(weight_dtype)
if clip_l is not None:
clip_l.to(weight_dtype)
if clip_g is not None:
clip_g.to(weight_dtype)
if t5xxl is not None:
t5xxl.to(weight_dtype)
# TODO check if this is necessary. SD3 uses pool for clip_l and clip_g
# # freeze last layer and final_layer_norm in te1 since we use the output of the penultimate layer
# if train_clip_l:
# clip_l.text_model.encoder.layers[-1].requires_grad_(False)
# clip_l.text_model.final_layer_norm.requires_grad_(False)
# move Text Encoders to GPU if not caching outputs
if not args.cache_text_encoder_outputs:
# make sure Text Encoders are on GPU
# TODO support CPU for text encoders
clip_l.to(accelerator.device)
clip_g.to(accelerator.device)
if t5xxl is not None:
t5xxl.to(accelerator.device)
clean_memory_on_device(accelerator.device)
if args.deepspeed:
ds_model = deepspeed_utils.prepare_deepspeed_model(
args, mmdit=mmdit, clip_l=clip_l if train_clip else None, clip_g=clip_g if train_clip else None
)
# most of ZeRO stage uses optimizer partitioning, so we have to prepare optimizer and ds_model at the same time. # pull/1139#issuecomment-1986790007
ds_model, optimizer, train_dataloader, lr_scheduler = accelerator.prepare(
ds_model, optimizer, train_dataloader, lr_scheduler
)
training_models = [ds_model]
else:
# acceleratorがなんかよろしくやってくれるらしい
if train_mmdit:
mmdit = accelerator.prepare(mmdit, device_placement=[not is_swapping_blocks])
if is_swapping_blocks:
accelerator.unwrap_model(mmdit).move_to_device_except_swap_blocks(accelerator.device) # reduce peak memory usage
if train_clip:
clip_l = accelerator.prepare(clip_l)
clip_g = accelerator.prepare(clip_g)
if train_t5xxl:
t5xxl = accelerator.prepare(t5xxl)
optimizer, train_dataloader, lr_scheduler = accelerator.prepare(optimizer, train_dataloader, lr_scheduler)
# 実験的機能:勾配も含めたfp16学習を行う PyTorchにパッチを当ててfp16でのgrad scaleを有効にする
if args.full_fp16:
# During deepseed training, accelerate not handles fp16/bf16|mixed precision directly via scaler. Let deepspeed engine do.
# -> But we think it's ok to patch accelerator even if deepspeed is enabled.
accelerator_setup.patch_accelerator_for_fp16_training(accelerator)
# resumeする
args_util.resume_from_local_or_hf_if_specified(accelerator, args)
if args.fused_backward_pass:
# use fused optimizer for backward pass: other optimizers will be supported in the future
import library.adafactor_fused
library.adafactor_fused.patch_adafactor_fused(optimizer)
for param_group, param_name_group in zip(optimizer.param_groups, param_names):
for parameter, param_name in zip(param_group["params"], param_name_group):
if parameter.requires_grad:
def create_grad_hook(p_name, p_group):
def grad_hook(tensor: torch.Tensor):
if accelerator.sync_gradients and args.max_grad_norm != 0.0:
accelerator.clip_grad_norm_(tensor, args.max_grad_norm)
optimizer.step_param(tensor, p_group)
tensor.grad = None
return grad_hook
parameter.register_post_accumulate_grad_hook(create_grad_hook(param_name, param_group))
elif args.blockwise_fused_optimizers:
# prepare for additional optimizers and lr schedulers
for i in range(1, len(optimizers)):
optimizers[i] = accelerator.prepare(optimizers[i])
lr_schedulers[i] = accelerator.prepare(lr_schedulers[i])
# counters are used to determine when to step the optimizer
global optimizer_hooked_count
global num_parameters_per_group
global parameter_optimizer_map
optimizer_hooked_count = {}
num_parameters_per_group = [0] * len(optimizers)
parameter_optimizer_map = {}
for opt_idx, optimizer in enumerate(optimizers):
for param_group in optimizer.param_groups:
for parameter in param_group["params"]:
if parameter.requires_grad:
def grad_hook(parameter: torch.Tensor):
if accelerator.sync_gradients and args.max_grad_norm != 0.0:
accelerator.clip_grad_norm_(parameter, args.max_grad_norm)
i = parameter_optimizer_map[parameter]
optimizer_hooked_count[i] += 1
if optimizer_hooked_count[i] == num_parameters_per_group[i]:
optimizers[i].step()
optimizers[i].zero_grad(set_to_none=True)
parameter.register_post_accumulate_grad_hook(grad_hook)
parameter_optimizer_map[parameter] = opt_idx
num_parameters_per_group[opt_idx] += 1
# epoch数を計算する
num_update_steps_per_epoch = math.ceil(len(train_dataloader) / args.gradient_accumulation_steps)
num_train_epochs = math.ceil(args.max_train_steps / num_update_steps_per_epoch)
if (args.save_n_epoch_ratio is not None) and (args.save_n_epoch_ratio > 0):
args.save_every_n_epochs = math.floor(num_train_epochs / args.save_n_epoch_ratio) or 1
# 学習する
# total_batch_size = args.train_batch_size * accelerator.num_processes * args.gradient_accumulation_steps
accelerator.print("running training / 学習開始")
accelerator.print(f" num examples / サンプル数: {train_dataset_group.num_train_images}")
accelerator.print(f" num batches per epoch / 1epochのバッチ数: {len(train_dataloader)}")
accelerator.print(f" num epochs / epoch数: {num_train_epochs}")
accelerator.print(
f" batch size per device / バッチサイズ: {', '.join([str(d.batch_size) for d in train_dataset_group.datasets])}"
)
# accelerator.print(
# f" total train batch size (with parallel & distributed & accumulation) / 総バッチサイズ(並列学習、勾配合計含む): {total_batch_size}"
# )
accelerator.print(f" gradient accumulation steps / 勾配を合計するステップ数 = {args.gradient_accumulation_steps}")
accelerator.print(f" total optimization steps / 学習ステップ数: {args.max_train_steps}")
progress_bar = tqdm(range(args.max_train_steps), smoothing=0, disable=not accelerator.is_local_main_process, desc="steps")
global_step = 0
# only used to get timesteps, etc. TODO manage timesteps etc. separately
dummy_scheduler = sd3_train_utils.FlowMatchEulerDiscreteScheduler(num_train_timesteps=1000, shift=3.0)
if accelerator.is_main_process:
init_kwargs = {}
if args.wandb_run_name:
init_kwargs["wandb"] = {"name": args.wandb_run_name}
if args.log_tracker_config is not None:
init_kwargs = toml.load(args.log_tracker_config)
accelerator.init_trackers(
"finetuning" if args.log_tracker_name is None else args.log_tracker_name,
config=args_util.get_sanitized_config_or_none(args),
init_kwargs=init_kwargs,
)
if is_swapping_blocks:
accelerator.unwrap_model(mmdit).prepare_block_swap_before_forward()
# For --sample_at_first
optimizer_eval_fn()
sd3_train_utils.sample_images(accelerator, args, 0, global_step, mmdit, vae, [clip_l, clip_g, t5xxl], sample_prompts_te_outputs)
optimizer_train_fn()
if len(accelerator.trackers) > 0:
# log empty object to commit the sample images to wandb
accelerator.log({}, step=0)
# show model device and dtype
logger.info(
f"mmdit device: {accelerator.unwrap_model(mmdit).device}, dtype: {accelerator.unwrap_model(mmdit).dtype}"
if mmdit
else "mmdit is None"
)
logger.info(
f"clip_l device: {accelerator.unwrap_model(clip_l).device}, dtype: {accelerator.unwrap_model(clip_l).dtype}"
if clip_l
else "clip_l is None"
)
logger.info(
f"clip_g device: {accelerator.unwrap_model(clip_g).device}, dtype: {accelerator.unwrap_model(clip_g).dtype}"
if clip_g
else "clip_g is None"
)
logger.info(
f"t5xxl device: {accelerator.unwrap_model(t5xxl).device}, dtype: {accelerator.unwrap_model(t5xxl).dtype}"
if t5xxl
else "t5xxl is None"
)
logger.info(
f"vae device: {accelerator.unwrap_model(vae).device}, dtype: {accelerator.unwrap_model(vae).dtype}"
if vae is not None
else "vae is None"
)
loss_recorder = logging_util.LossRecorder()
epoch = 0 # avoid error when max_train_steps is 0
for epoch in range(num_train_epochs):
accelerator.print(f"\nepoch {epoch+1}/{num_train_epochs}")
current_epoch.value = epoch + 1
for m in training_models:
m.train()
for step, batch in enumerate(train_dataloader):
current_step.value = global_step
if args.blockwise_fused_optimizers:
optimizer_hooked_count = {i: 0 for i in range(len(optimizers))} # reset counter for each step
with accelerator.accumulate(*training_models):
if "latents" in batch and batch["latents"] is not None:
latents = batch["latents"].to(accelerator.device, dtype=weight_dtype)
else:
with torch.no_grad():
# encode images to latents. images are [-1, 1]
latents = vae.encode(batch["images"].to(vae.device, dtype=vae.dtype)).to(
accelerator.device, dtype=weight_dtype
)
# NaNが含まれていれば警告を表示し0に置き換える
if torch.any(torch.isnan(latents)):
accelerator.print("NaN found in latents, replacing with zeros")
latents = torch.nan_to_num(latents, 0, out=latents)
# latents = latents * sdxl_model_util.VAE_SCALE_FACTOR
latents = sd3_models.SDVAE.process_in(latents)
text_encoder_outputs_list = batch.get("text_encoder_outputs_list", None)
if text_encoder_outputs_list is not None:
text_encoder_outputs_list = text_encoding_strategy.drop_cached_text_encoder_outputs(*text_encoder_outputs_list)
lg_out, t5_out, lg_pooled, l_attn_mask, g_attn_mask, t5_attn_mask = text_encoder_outputs_list
if args.use_t5xxl_cache_only:
lg_out = None
lg_pooled = None
else:
lg_out = None
t5_out = None
lg_pooled = None
l_attn_mask = None
g_attn_mask = None
t5_attn_mask = None
if lg_out is None:
# not cached or training, so get from text encoders
input_ids_clip_l, input_ids_clip_g, _, l_attn_mask, g_attn_mask, _ = batch["input_ids_list"]
with torch.set_grad_enabled(train_clip):
# TODO support weighted captions
# text models in sd3_models require "cpu" for input_ids
input_ids_clip_l = input_ids_clip_l.to("cpu")
input_ids_clip_g = input_ids_clip_g.to("cpu")
lg_out, _, lg_pooled, l_attn_mask, g_attn_mask, _ = text_encoding_strategy.encode_tokens(
sd3_tokenize_strategy,
[clip_l, clip_g, None],
[input_ids_clip_l, input_ids_clip_g, None, l_attn_mask, g_attn_mask, None],
)
if t5_out is None:
_, _, input_ids_t5xxl, _, _, t5_attn_mask = batch["input_ids_list"]
with torch.set_grad_enabled(train_t5xxl):
input_ids_t5xxl = input_ids_t5xxl.to("cpu")
_, t5_out, _, _, _, t5_attn_mask = text_encoding_strategy.encode_tokens(
sd3_tokenize_strategy, [None, None, t5xxl], [None, None, input_ids_t5xxl, None, None, t5_attn_mask]
)
context, lg_pooled = text_encoding_strategy.concat_encodings(lg_out, t5_out, lg_pooled)
# TODO support some features for noise implemented in get_noise_noisy_latents_and_timesteps
# Sample noise that we'll add to the latents
noise = torch.randn_like(latents)
# bsz = latents.shape[0]
# get noisy model input and timesteps
noisy_model_input, timesteps, sigmas = sd3_train_utils.get_noisy_model_input_and_timesteps(
args, latents, noise, accelerator.device, weight_dtype
)
# debug: NaN check for all inputs
if torch.any(torch.isnan(noisy_model_input)):
accelerator.print("NaN found in noisy_model_input, replacing with zeros")
noisy_model_input = torch.nan_to_num(noisy_model_input, 0, out=noisy_model_input)
if torch.any(torch.isnan(context)):
accelerator.print("NaN found in context, replacing with zeros")
context = torch.nan_to_num(context, 0, out=context)
if torch.any(torch.isnan(lg_pooled)):
accelerator.print("NaN found in pool, replacing with zeros")
lg_pooled = torch.nan_to_num(lg_pooled, 0, out=lg_pooled)
# call model
with accelerator.autocast():
# TODO support attention mask
model_pred = mmdit(noisy_model_input, timesteps, context=context, y=lg_pooled)
# Follow: Section 5 of https://arxiv.org/abs/2206.00364.
# Preconditioning of the model outputs.
model_pred = model_pred * (-sigmas) + noisy_model_input
# these weighting schemes use a uniform timestep sampling
# and instead post-weight the loss
weighting = sd3_train_utils.compute_loss_weighting_for_sd3(weighting_scheme=args.weighting_scheme, sigmas=sigmas)
# flow matching loss
target = latents
# # Compute regular loss. TODO simplify this
# loss = torch.mean(
# (weighting.float() * (model_pred.float() - target.float()) ** 2).reshape(target.shape[0], -1),
# 1,
# )
# calculate loss
huber_c = loss_util.get_huber_threshold_if_needed(args, timesteps, dummy_scheduler)
loss = loss_util.conditional_loss(model_pred.float(), target.float(), args.loss_type, "none", huber_c)
if args.masked_loss or ("alpha_masks" in batch and batch["alpha_masks"] is not None):
loss = apply_masked_loss(loss, batch)
loss = loss.mean([1, 2, 3])
if weighting is not None:
loss = loss * weighting
loss_weights = batch["loss_weights"] # 各sampleごとのweight
loss = loss * loss_weights
loss = loss.mean()
accelerator.backward(loss)
if not (args.fused_backward_pass or args.blockwise_fused_optimizers):
if accelerator.sync_gradients and args.max_grad_norm != 0.0:
params_to_clip = []
for m in training_models:
params_to_clip.extend(m.parameters())
accelerator.clip_grad_norm_(params_to_clip, args.max_grad_norm)
optimizer.step()
lr_scheduler.step()
optimizer.zero_grad(set_to_none=True)
else:
# optimizer.step() and optimizer.zero_grad() are called in the optimizer hook
lr_scheduler.step()
if args.blockwise_fused_optimizers:
for i in range(1, len(optimizers)):
lr_schedulers[i].step()
# Checks if the accelerator has performed an optimization step behind the scenes
if accelerator.sync_gradients:
progress_bar.update(1)
global_step += 1
optimizer_eval_fn()
sd3_train_utils.sample_images(
accelerator, args, None, global_step, mmdit, vae, [clip_l, clip_g, t5xxl], sample_prompts_te_outputs
)
# 指定ステップごとにモデルを保存
if args.save_every_n_steps is not None and global_step % args.save_every_n_steps == 0:
accelerator.wait_for_everyone()
if accelerator.is_main_process:
sd3_train_utils.save_sd3_model_on_epoch_end_or_stepwise(
args,
False,
accelerator,
save_dtype,
epoch,
num_train_epochs,
global_step,
accelerator.unwrap_model(clip_l) if train_clip else None,
accelerator.unwrap_model(clip_g) if train_clip else None,
accelerator.unwrap_model(t5xxl) if train_t5xxl else None,
accelerator.unwrap_model(mmdit) if train_mmdit else None,
vae,
)
optimizer_train_fn()
current_loss = loss.detach().item() # 平均なのでbatch sizeは関係ないはず
if len(accelerator.trackers) > 0:
logs = {"loss": current_loss}
optimizer_util.append_lr_to_logs(logs, lr_scheduler, args.optimizer_type, including_unet=train_mmdit)
accelerator.log(logs, step=global_step)
loss_recorder.add(epoch=epoch, step=step, loss=current_loss)
avr_loss: float = loss_recorder.moving_average
logs = {"avr_loss": avr_loss} # , "lr": lr_scheduler.get_last_lr()[0]}
progress_bar.set_postfix(**logs)
if global_step >= args.max_train_steps:
break
if len(accelerator.trackers) > 0:
logs = {"loss/epoch": loss_recorder.moving_average}
accelerator.log(logs, step=epoch + 1)
accelerator.wait_for_everyone()
optimizer_eval_fn()
if args.save_every_n_epochs is not None:
if accelerator.is_main_process:
sd3_train_utils.save_sd3_model_on_epoch_end_or_stepwise(
args,
True,
accelerator,
save_dtype,
epoch,
num_train_epochs,
global_step,
accelerator.unwrap_model(clip_l) if train_clip else None,
accelerator.unwrap_model(clip_g) if train_clip else None,
accelerator.unwrap_model(t5xxl) if train_t5xxl else None,
accelerator.unwrap_model(mmdit) if train_mmdit else None,
vae,
)
sd3_train_utils.sample_images(
accelerator, args, epoch + 1, global_step, mmdit, vae, [clip_l, clip_g, t5xxl], sample_prompts_te_outputs
)
is_main_process = accelerator.is_main_process
# if is_main_process:
mmdit = accelerator.unwrap_model(mmdit)
clip_l = accelerator.unwrap_model(clip_l)
clip_g = accelerator.unwrap_model(clip_g)
if t5xxl is not None:
t5xxl = accelerator.unwrap_model(t5xxl)
accelerator.end_training()
optimizer_eval_fn()
if args.save_state or args.save_state_on_train_end:
checkpoint_io.save_state_on_train_end(args, accelerator)
del accelerator # この後メモリを使うのでこれは消す
if is_main_process:
sd3_train_utils.save_sd3_model_on_train_end(
args,
save_dtype,
epoch,
global_step,
clip_l if train_clip else None,
clip_g if train_clip else None,
t5xxl if train_t5xxl else None,
mmdit if train_mmdit else None,
vae,
)
logger.info("model saved.")
def setup_parser() -> argparse.ArgumentParser:
parser = argparse.ArgumentParser()
add_logging_arguments(parser)
args_util.add_sd_models_arguments(parser)
sai_model_spec.add_model_spec_arguments(parser)
args_util.add_dataset_arguments(parser, True, True, True)
args_util.add_training_arguments(parser, False)
args_util.add_masked_loss_arguments(parser)
deepspeed_utils.add_deepspeed_arguments(parser)
args_util.add_sd_saving_arguments(parser)
args_util.add_optimizer_arguments(parser)
config_util.add_config_arguments(parser)
add_custom_train_arguments(parser)
args_util.add_dit_training_arguments(parser)
sd3_train_utils.add_sd3_training_arguments(parser)
parser.add_argument(
"--train_text_encoder", action="store_true", help="train text encoder (CLIP-L and G) / text encoderも学習する"
)
parser.add_argument("--train_t5xxl", action="store_true", help="train T5-XXL / T5-XXLも学習する")
parser.add_argument(
"--use_t5xxl_cache_only", action="store_true", help="cache T5-XXL outputs only / T5-XXLの出力のみキャッシュする"
)
parser.add_argument(
"--learning_rate_te1",
type=float,
default=None,
help="learning rate for text encoder 1 (ViT-L) / text encoder 1 (ViT-L)の学習率",
)
parser.add_argument(
"--learning_rate_te2",
type=float,
default=None,
help="learning rate for text encoder 2 (BiG-G) / text encoder 2 (BiG-G)の学習率",
)
parser.add_argument(
"--learning_rate_te3",
type=float,
default=None,
help="learning rate for text encoder 3 (T5-XXL) / text encoder 3 (T5-XXL)の学習率",
)
# parser.add_argument(
# "--diffusers_xformers", action="store_true", help="use xformers by diffusers / Diffusersでxformersを使用する"
# )
# parser.add_argument(
# "--no_half_vae",
# action="store_true",
# help="do not use fp16/bf16 VAE in mixed precision (use float VAE) / mixed precisionでも fp16/bf16 VAEを使わずfloat VAEを使う",
# )
# parser.add_argument(
# "--block_lr",
# type=str,
# default=None,
# help=f"learning rates for each block of U-Net, comma-separated, {UNET_NUM_BLOCKS_FOR_BLOCK_LR} values / "
# + f"U-Netの各ブロックの学習率、カンマ区切り、{UNET_NUM_BLOCKS_FOR_BLOCK_LR}個の値",
# )
parser.add_argument(
"--blockwise_fused_optimizers",
action="store_true",
help="enable blockwise optimizers for fused backward pass and optimizer step / fused backward passとoptimizer step のためブロック単位のoptimizerを有効にする",
)
parser.add_argument(
"--fused_optimizer_groups",
type=int,
default=None,
help="[DOES NOT WORK] number of optimizer groups for fused backward pass and optimizer step / fused backward passとoptimizer stepのためのoptimizerグループ数",
)
parser.add_argument(
"--skip_latents_validity_check",
action="store_true",
help="[Deprecated] use 'skip_cache_check' instead / 代わりに 'skip_cache_check' を使用してください",
)
parser.add_argument(
"--num_last_block_to_freeze",
type=int,
default=None,
help="freeze last n blocks of MM-DIT / MM-DITの最後のnブロックを凍結する",
)
return parser
if __name__ == "__main__":
parser = setup_parser()
args = parser.parse_args()
args_util.verify_command_line_training_args(args)
args = args_util.read_config_from_file(args, parser)
train(args)