SD WebUI Forge 学習・導入ロードマップ¶

D:\Kazuma_Teramachi\kaz_dev_stable-diffusion-webui-forge-backup\
└── YYYYMMDD_追加した内容\
    ├── config.json
    ├── ui-config.json
    ├── webui-user.bat
    └── extensions_list.txt

D:\Kazuma_Teramachi\lora-training\
├── datasets\               ← 学習データセット（画像+タグ）
│   ├── sinon_v2\
│   │   └── img\5_sn_sinon\
│   └── style_artist_x\
│       └── img\3_style_x\
├── base_models\            ← 学習用ベースモデル（推論環境と分離）
│   └── illustriousXL_v01.safetensors
├── outputs\                ← 全エポック保存
│   └── sinon_v2\
│       ├── sinon_v2_epoch005.safetensors
│       ├── sinon_v2_epoch010.safetensors
│       └── training_log.csv
├── configs\                ← kohya_ss設定ファイル（再学習に使える）
│   └── sinon_v2_config.json
├── evaluations\            ← エポック評価結果
│   └── sinon_v2\
│       ├── epoch005_samples\
│       └── evaluation_log.md
└── best\                   ← 採用版（Forgeのmodels/Lora/にコピー）
    └── sinon-06.safetensors

# ADetailer
https://github.com/Bing-su/adetailer

# Tag Autocomplete
https://github.com/DominikDoom/a1111-sd-webui-tagcomplete

# Forge Couple
https://github.com/Haoming02/sd-forge-couple

# Ultimate SD Upscale
https://github.com/Coyote-A/ultimate-upscale-for-automatic1111

# Inpaint Anything (Forge対応版)
https://github.com/thadius83/sd-webui-inpaint-anything-forge

"alwayson_scripts": {
    "ADetailer": {
        "args": [
            True,  # enable
            False, # skip_img2img
            {
                "ad_model": "face_yolov8n.pt",
                "ad_prompt": "",
                "ad_negative_prompt": "",
                "ad_confidence": 0.3,
                "ad_denoising_strength": 0.4,
            }
        ]
    }
}

adetailer:
  enabled: true
  models:
    - name: "face_yolov8n.pt"
      confidence: 0.3
      denoising_strength: 0.4
    - name: "hand_yolov8n.pt"
      confidence: 0.3
      denoising_strength: 0.5

# Dockerイメージビルド（初回のみ）
cd D:\Kazuma_Teramachi\kohya_ss
docker compose build

# ビルド後の確認
docker images | grep kohya-ss

# 設定ファイルを作成したら1コマンドで全自動
.\train-lora.ps1 -Config sinon_v2.toml
# → Forge自動停止 → 学習(20〜30分) → Forge自動再起動

.\start-training.ps1   # http://localhost:7861 でkohya_ss GUI起動
.\stop-training.ps1    # 終了後にForge復帰

network_dim: 64
network_alpha: 32
learning_rate: 0.0003         # UNET
text_encoder_lr: 0.00003      # TE
lr_scheduler: cosine
optimizer_type: AdamW8bit
train_batch_size: 2           # RTX 5070 Ti (16GB) は2が安全
max_train_epochs: 30
mixed_precision: bf16
gradient_checkpointing: true
fused_backward_pass: true
enable_bucket: true
min_bucket_reso: 1024
max_bucket_reso: 2048
save_every_n_epochs: 5

lora:
  characters:
    sinon:
      file: "sinon-06.safetensors"
      trigger: "sn_sinon"
      default_weight: 0.8
  styles:
    artist_x:
      file: "style_x-01.safetensors"
      trigger: "style_x"
      default_weight: 0.6

問題発生 → Forge停止
         → extensions/{問題の拡張}/ を削除
         → バックアップからconfig復元
         → Forge再起動

問題発生 → outputs/ に全エポックがあるので前のエポックに戻す
         → evaluation_log.md で最良エポックを再選択
         → 設定変更して再学習する場合はconfigs/ を修正してローカルで再実行

問題発生 → git log で正常だったcommitを確認
         → git checkout <正常なcommit>
         → pip install -r requirements.txt で依存関係再構築

Week 1:
  Day 1    : Phase 0 - バックアップ基盤構築
  Day 2-3  : Phase 1 - 拡張機能導入（ADetailer → Forge Couple等）
  Day 3    : Phase 2 - ADetailer APIパイプライン統合

Week 2:
  Day 4    : Phase 3-1,2 - kohya_ssインストール、ベースモデル準備、データセット作成
  Day 5-6  : Phase 3-3 - シノンLoRA学習実行（Forge停止→学習→Forge再起動）
  Day 7    : Phase 3-4 - 各エポック評価、採用版選定

Week 3:
  Day 8-11 : Phase 4 - スタイルLoRAデータ収集・学習・評価

Week 4:
  Day 12-14: Phase 5 - パイプライン統合・結合テスト