TrainLoraNodeは、提供された潜在変数と条件付けデータを使用して、拡散モデル上でLoRA（低ランク適応）モデルを作成し、トレーニングします。カスタムトレーニングパラメータ、オプティマイザ、損失関数を使用してモデルをファインチューニングできます。このノードは、トレーニングされたLoRA重み、損失履歴マップ、および完了した総トレーニングステップ数を出力します。
## 入力
| パラメータ | 説明 | データ型 | 必須 | 範囲 |
| --- | --- | --- | --- | --- |
| `モデル` | LoRAをトレーニングするモデル。 | MODEL | はい | - |
| `潜在変数` | トレーニングに使用する潜在変数。モデルのデータセット/入力として機能します。 | LATENT | はい | - |
| `ポジティブ条件付け` | トレーニングに使用するポジティブ条件付け。 | CONDITIONING | はい | - |
| `バッチサイズ` | トレーニングに使用するバッチサイズ（デフォルト: 1）。 | INT | はい | 1-10000 |
| `勾配蓄積ステップ数` | トレーニングに使用する勾配蓄積ステップ数（デフォルト: 1）。 | INT | はい | 1-1024 |
| `ステップ数` | LoRAをトレーニングするステップ数（デフォルト: 16）。 | INT | はい | 1-100000 |
| `学習率` | トレーニングに使用する学習率（デフォルト: 0.0005）。 | FLOAT | はい | 0.0000001-1.0 |
| `ランク` | LoRAレイヤーのランク（デフォルト: 8）。 | INT | はい | 1-128 |
| `オプティマイザ` | トレーニングに使用するオプティマイザ（デフォルト: "AdamW"）。 | COMBO | はい | "AdamW"
"Adam"
"SGD"
"RMSprop" |
| `損失関数` | トレーニングに使用する損失関数（デフォルト: "MSE"）。 | COMBO | はい | "MSE"
"L1"
"Huber"
"SmoothL1" |
| `シード` | トレーニングに使用するシード（LoRA重み初期化とノイズサンプリング用のジェネレータで使用）（デフォルト: 0）。 | INT | はい | 0-18446744073709551615 |
| `training_dtype` | トレーニングに使用するデータ型。'none'はモデルのネイティブ計算データ型を保持し、上書きしません。fp16モデルの場合、GradScalerが自動的に有効になります（デフォルト: "bf16"）。 | COMBO | はい | "bf16"
"fp32"
"none" |
| `lora_dtype` | LoRAに使用するデータ型（デフォルト: "bf16"）。 | COMBO | はい | "bf16"
"fp32" |
| `quantized_backward` | training_dtypeが'none'で量子化モデルをトレーニングする場合、有効にすると逆伝播で量子化行列乗算を使用します（デフォルト: False）。 | BOOLEAN | はい | - |
| `algorithm` | トレーニングに使用するアルゴリズム。 | COMBO | はい | 複数のオプションが利用可能 |
| `gradient_checkpointing` | トレーニングに勾配チェックポイントを使用するかどうか（デフォルト: True）。 | BOOLEAN | はい | - |
| `チェックポイント深度` | 勾配チェックポイントの深さレベル（デフォルト: 1）。 | INT | はい | 1-5 |
| `オフロード` | トレーニング中にモデル重みをCPUにオフロードしてGPUメモリを節約するかどうか（デフォルト: False）。 | BOOLEAN | はい | - |
| `existing_lora` | 追加する既存のLoRA。新しいLoRAの場合はNoneに設定します（デフォルト: "[None]"）。 | COMBO | はい | 複数のオプションが利用可能 |
| `バケットモード` | 解像度バケットモードを有効にします。有効にすると、ResolutionBucketノードから事前にバケット化された潜在変数を期待します（デフォルト: False）。 | BOOLEAN | はい | - |
| `bypass_mode` | トレーニングのバイパスモードを有効にします。有効にすると、アダプターは重み変更ではなくフォワードフックを介して適用されます。重みを直接変更できない量子化モデルに役立ちます（デフォルト: False）。 | BOOLEAN | はい | - |
**注記:** ポジティブ条件付け入力の数は、潜在画像の数と一致する必要があります。複数の画像に対して1つのポジティブ条件付けのみが提供された場合、すべての画像に対して自動的に繰り返されます。
**`training_dtype`に関する注記:** "none"に設定すると、モデルのネイティブ計算データ型が保持されます。fp16モデルの場合、勾配計算中のアンダーフローを防ぐためにGradScalerが自動的に有効になります。`fp16_accumulation`も有効になっている場合（`--fast`フラグ経由）、この組み合わせは数値的に不安定になり、NaN値を引き起こす可能性があります。
**`quantized_backward`に関する注記:** このパラメータは、`training_dtype`が"none"に設定され、モデルが量子化モデルである場合にのみ関連します。逆伝播中に量子化行列乗算を有効にします。
**`bypass_mode`に関する注記:** 有効にすると、アダプターはモデル重みを直接変更するのではなく、フォワードフックを介して適用されます。これは、重みを直接変更できない量子化モデルに特に役立ちます。
## 出力
| 出力名 | 説明 | データ型 |
| --- | --- | --- |
| `損失マップ` | トレーニングされたLoRA重み。保存したり、他のモデルに適用したりできます。 | LORA_MODEL |
| `ステップ数` | 時間経過に伴うトレーニング損失値を含む辞書。 | LOSS_MAP |
| `ステップ数` | 完了したトレーニングステップの総数（既存のLoRAからの以前のステップを含む）。 | INT |
> このドキュメントは AI によって生成されました。エラーを見つけた場合や改善のご提案がある場合は、ぜひ貢献してください！ [GitHub で編集](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/TrainLoraNode/ja.md)
---
**Source fingerprint (SHA-256):** `df315ef416ff3ce81e6a526af2c4e5115980e6c35830825967e7189d4f8541d8`