> ## Documentation Index
> Fetch the complete documentation index at: https://docs.comfy.org/llms.txt
> Use this file to discover all available pages before exploring further.

# TrainLoraNode - ComfyUI Built-in Node Documentation

> Complete documentation for the TrainLoraNode node in ComfyUI. Learn its inputs, outputs, parameters and usage.

# TrainLoRA 노드

TrainLoRA 노드는 제공된 잠재 표현(latents)과 컨디셔닝 데이터를 사용하여 확산 모델에 대한 LoRA(저차원 적응) 모델을 생성하고 학습합니다. 사용자 정의 학습 매개변수, 최적화기 및 손실 함수를 사용하여 모델을 미세 조정할 수 있습니다. 이 노드는 학습된 LoRA 가중치, 손실 이력 맵 및 완료된 총 학습 단계 수를 출력합니다.

## 입력

| 매개변수                 | 설명                                                                                                             | 데이터 타입       | 필수 | 범위                                            |
| -------------------- | -------------------------------------------------------------------------------------------------------------- | ------------ | -- | --------------------------------------------- |
| `모델`                 | LoRA를 학습할 모델입니다.                                                                                               | MODEL        | 예  | -                                             |
| `잠재 변수`              | 학습에 사용할 잠재 표현으로, 모델의 데이터셋/입력 역할을 합니다.                                                                          | LATENT       | 예  | -                                             |
| `긍정 조건`              | 학습에 사용할 긍정 컨디셔닝입니다.                                                                                            | CONDITIONING | 예  | -                                             |
| `배치 크기`              | 학습에 사용할 배치 크기입니다(기본값: 1).                                                                                      | INT          | 예  | 1-10000                                       |
| `기울기 누적 단계 수`        | 학습에 사용할 그래디언트 누적 단계 수입니다(기본값: 1).                                                                              | INT          | 예  | 1-1024                                        |
| `단계 수`               | LoRA를 학습할 단계 수입니다(기본값: 16).                                                                                    | INT          | 예  | 1-100000                                      |
| `학습률`                | 학습에 사용할 학습률입니다(기본값: 0.0005).                                                                                   | FLOAT        | 예  | 0.0000001-1.0                                 |
| `랭크`                 | LoRA 계층의 순위입니다(기본값: 8).                                                                                        | INT          | 예  | 1-128                                         |
| `옵티마이저`              | 학습에 사용할 최적화기입니다(기본값: "AdamW").                                                                                 | COMBO        | 예  | "AdamW"<br />"Adam"<br />"SGD"<br />"RMSprop" |
| `손실 함수`              | 학습에 사용할 손실 함수입니다(기본값: "MSE").                                                                                  | COMBO        | 예  | "MSE"<br />"L1"<br />"Huber"<br />"SmoothL1"  |
| `시드`                 | 학습에 사용할 시드입니다(LoRA 가중치 초기화 및 노이즈 샘플링을 위한 생성기에 사용됨)(기본값: 0).                                                    | INT          | 예  | 0-18446744073709551615                        |
| `훈련 데이터 타입`          | 학습에 사용할 데이터 타입입니다. 'none'은 모델의 기본 계산 데이터 타입을 재정의하지 않고 유지합니다. fp16 모델의 경우 GradScaler가 자동으로 활성화됩니다(기본값: "bf16"). | COMBO        | 예  | "bf16"<br />"fp32"<br />"none"                |
| `LoRA 데이터 타입`        | LoRA에 사용할 데이터 타입입니다(기본값: "bf16").                                                                              | COMBO        | 예  | "bf16"<br />"fp32"                            |
| `quantized_backward` | training\_dtype이 'none'이고 양자화된 모델에서 학습할 때, 활성화되면 역전파 시 양자화된 행렬 곱셈을 사용합니다(기본값: False).                          | BOOLEAN      | 예  | -                                             |
| `알고리즘`               | 학습에 사용할 알고리즘입니다.                                                                                               | COMBO        | 예  | 여러 옵션 사용 가능                                   |
| `기울기 체크포인팅`          | 학습에 그래디언트 체크포인팅을 사용합니다(기본값: True).                                                                             | BOOLEAN      | 예  | -                                             |
| `checkpoint_depth`   | 그래디언트 체크포인팅의 깊이 수준입니다(기본값: 1).                                                                                 | INT          | 예  | 1-5                                           |
| `offloading`         | GPU 메모리 절약을 위해 학습 중 모델 가중치를 CPU로 오프로드합니다(기본값: False).                                                          | BOOLEAN      | 예  | -                                             |
| `기존 LoRA`            | 추가할 기존 LoRA입니다. 새 LoRA의 경우 None으로 설정합니다(기본값: "\[None]").                                                       | COMBO        | 예  | 여러 옵션 사용 가능                                   |
| `bucket_mode`        | 해상도 버킷 모드를 활성화합니다. 활성화되면 ResolutionBucket 노드에서 사전 버킷팅된 잠재 표현을 필요로 합니다(기본값: False).                             | BOOLEAN      | 예  | -                                             |
| `bypass_mode`        | 학습을 위한 우회 모드를 활성화합니다. 활성화되면 어댑터가 가중치 수정 대신 순방향 훅을 통해 적용됩니다. 가중치를 직접 수정할 수 없는 양자화된 모델에 유용합니다(기본값: False).       | BOOLEAN      | 예  | -                                             |

**참고:** 긍정 컨디셔닝 입력의 수는 잠재 이미지의 수와 일치해야 합니다. 여러 이미지에 대해 하나의 긍정 컨디셔닝만 제공된 경우, 모든 이미지에 대해 자동으로 반복됩니다.

**`training_dtype` 참고:** "none"으로 설정하면 모델의 기본 계산 데이터 타입이 유지됩니다. fp16 모델의 경우 그래디언트 계산 중 언더플로를 방지하기 위해 GradScaler가 자동으로 활성화됩니다. `fp16_accumulation`도 활성화된 경우(`--fast` 플래그를 통해), 이 조합은 수치적으로 불안정하여 NaN 값을 유발할 수 있습니다.

**`quantized_backward` 참고:** 이 매개변수는 `training_dtype`이 "none"으로 설정되고 모델이 양자화된 모델인 경우에만 관련됩니다. 역전파 중 양자화된 행렬 곱셈을 활성화합니다.

**`bypass_mode` 참고:** 활성화되면 어댑터가 모델 가중치를 직접 수정하는 대신 순방향 훅을 통해 적용됩니다. 이는 가중치를 직접 수정할 수 없는 양자화된 모델에 특히 유용합니다.

## 출력

| 출력 이름  | 설명                                     | 데이터 타입      |
| ------ | -------------------------------------- | ----------- |
| `손실 맵` | 저장하거나 다른 모델에 적용할 수 있는 학습된 LoRA 가중치입니다. | LORA\_MODEL |
| `스텝`   | 시간에 따른 학습 손실 값을 포함하는 사전입니다.            | LOSS\_MAP   |
| `단계 수` | 완료된 총 학습 단계 수입니다(기존 LoRA의 이전 단계 포함).   | INT         |

> 이 문서는 AI에 의해 생성되었습니다. 오류를 발견하거나 개선 제안이 있으시면 기여해 주세요! [GitHub에서 편집](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/TrainLoraNode/ko.md)

***

**Source fingerprint (SHA-256):** `df315ef416ff3ce81e6a526af2c4e5115980e6c35830825967e7189d4f8541d8`