WanVideo/HunyuanVideo LoRA训练（一） Windows环境搭建

万相视频训练资源包：点击跳转

视频教程：点击跳转

diffusion-pipe介绍

Diffusion-Pipe 是一款专为扩散模型（Diffusion Models）打造的管道并行训练脚本，旨在显著提升大规模模型的训练效率。该工具目前支持包括 SDXL、Flux、LTX-Video、HunyuanVideo（T2V）、Cosmos、Lumina Image 2.0、Wan 2.1（T2V & I2V）、Chroma 在内的多种主流模型，覆盖图像生成与视频生成等多个应用方向。

使用前提： 官方建议至少配备 24GB GPU 显存 以保证训练的顺利进行。

Windows系统训练环境搭建

在原生 Windows 上进行训练将会非常困难甚至不可能。这是因为 Deepspeed 仅对Windows 提供部分支持。Deepspeed 是一个硬性要求，因为整个训练脚本都是围绕 Deepspeed 管道并行性构建的。但是，它可以在适用于 Linux 的 Windows 子系统（特别是 WSL 2）上运行。因此，要想在windows系统上使用，需要安装WSL 2。

  1. 左键单击 Windows 图标，选择“搜索”选项，然后键入“Windows 功能”。单击“打开或关闭 Windows 功能”。现在，启用“Linux 子系统的 Windows”和“虚拟机平台”选项。 设置完之后重启电脑。

  1. 打开 Windows 终端/cmd（管理员）。输入以下命令（目前只有 Windows 10/11 可以运行）
wsl --install

这里会直接安装Ubuntu，需要设置用户名和密码， 安装完成后，如果未生效，只需重新启动电脑即可生效。

  1. 更新 Ubuntu 系统。登录后，首先更新软件包列表并执行完整的系统升级。
sudo apt update
sudo apt full-upgrade -y
  1. 安装所需的基本工具和库。
sudo apt-get install -y git-lfs wget python3-dev build-essential
  1. 检查您的 NVIDIA 驱动程序是否已安装并正常工作
nvidia-smi

如果出现下面这些情况，则NVIDIA 驱动程序正常工作。如果此命令失败，则需下载并安装适用于 WSL 的 NVIDIA CUDA 驱动程序：适用于 WSL 的 NVIDIA CUDA。

  1. 安装 Miniconda
  • 创建新目录
mkdir -p ~/miniconda3
  • 下载 Miniconda
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda3/miniconda.sh
  • 安装miniconda
bash ~/miniconda3/miniconda.sh -b -u -p ~/miniconda3
  • 下载并安装完成后，建议删除 Miniconda 安装文件，以保持系统整洁。
rm ~/miniconda3/miniconda.sh
  • 激活环境
source ~/miniconda3/bin/activate
  • 初始化虚拟环境
conda init --all
  1. 为diffusion-pipe项目配置环境
  • 创建并激活 Conda 虚拟环境，然后按 Y 启动安装
conda create -n diffusion-pipe python=3.12
  • 激活虚拟环境
conda activate diffusion-pipe
  1. 安装 PyTorch 和 CUDA-NVCC。确保 PyTorch 和 CUDA 版本之间的兼容性。有关最新兼容性，请参阅Anaconda CUDA-NVCC页面。
  • 安装pytorch
pip install torch==2.4.1 torchvision==0.19.1 --index-url https://download.pytorch.org/whl/cu121
  • 安装CUDA_NVCC
conda install nvidia::cuda-nvcc
  1. 接下来，克隆拉取diffusion-pipe项目
git clone --recurse-submodules https://github.com/tdrussell/diffusion-pipe
  1. 进入diffusion-pipe目录
cd diffusion-pipe
  1. 最后，安装剩余的依赖项
pip install -r requirements.txt

提示：如果在安装 DeepSpeed 或其他软件包时遇到问题，请使用以下命令安装 NVIDIA CUDA 工具包

sudo apt-get install -y nvidia-cuda-toolkit