> ## Documentation Index
> Fetch the complete documentation index at: https://dripart-feat-openapi-i18n.mintlify.site/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 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      |
| ------ | -------------------------------------- | ----------- |
| `lora` | 저장하거나 다른 모델에 적용할 수 있는 학습된 LoRA 가중치입니다. | LORA\_MODEL |
| `손실 맵` | 시간에 따른 학습 손실 값을 포함하는 사전입니다.            | LOSS\_MAP   |
| `스텝`   | 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`