文章目录
Stable Diffusion XL webui tagger 插件Linux安装 为什么要安装tagger插件 安装tagger插件 下载tagger仓库 下载wd-v1-4-vit-tagger 模型权重Stable Diffusion XL webui tagger 插件Linux安装
为什么要安装tagger插件
为了使SD能生成我们想要的图像效果，往往需要对SD模型进行微调，但其权重参数太多，如果是用更新全部参数的方法来微调，会耗费大量的计算资源。那么可不可以仅需少量计算资源，对模型进行微调，也有不错的效果呢？答案是肯定的，那就是：基于LoRA对其进行微调！
本文写作动机：想自己训练LoRA，需要对训练数据进行tag，但是自己手动tag，比较麻烦，于是考虑用tagger插件，来实现对每张训练图像进行tag，然后在其基础上进行修改，以减少工作量。
webui提供了插件扩展，方便我们安装tagger插件。
可以看到，tagger插件能直接生成对于训练图片的描述。
安装tagger插件
在安装前，敲黑板！！！这个插件对于webui版本有很强的依赖性，所以需要安装合适的版本，以下教程，全部基于webui v1.6.0-2版本，还没有安装的可以参考我之前的文章，传送门
有三种安装方式。分别是：
在linux终端通过git 命令来安装 在webui界面，直接输入tagger仓库的URL通过available界面直接选择
这里主要介绍第二种方式。
下载tagger仓库
输入https://github.com/toriato/stable-diffusion-webui-wd14-tagger，点击Install就行了。
如果出现以下报错：
在/stable-diffusion-webui/extensions/stable-diffusion-webui-wd14-tagger/tagger/ui.py第10行左右
修改
from webui import wrap_gradio_gpu_call 为
# from webui import wrap_gradio_gpu_call from modules.call_queue import wrap_gradio_gpu_call 如果出现以下报错：
在/stable-diffusion-webui/extensions/stable-diffusion-webui-wd14-tagger/preload.py文件第4行左右，删掉
from modules.shared import models_path default_ddp_path = Path(models_path, 'deepdanbooru') 改为
from modules import paths default_ddp_path = Path(paths.models_path, 'deepdanbooru') 下载wd-v1-4-vit-tagger 模型权重
由于huggingface被墙了，需要手动下载，URL。下载这两项即可：
然后新建一个文件夹，将下载好的两个文件放在.cache下。
cd /.cache/huggingface/hub mkdir models--SmilingWolf--wd-v1-4-vit-tagger-v2 然后修改/stable-diffusion-webui/extensions/stable-diffusion-webui-wd14-tagger/tagger/interrogator.py文件，在229行左右。
model_path = Path(hf_hub_download( **self.kwargs, filename=self.model_path)) tags_path = Path(hf_hub_download( **self.kwargs, filename=self.tags_path)) 改为下载后两个文件的绝对路径
model_path = "/.cache/huggingface/hub/models--SmilingWolf--wd-v1-4-vit-tagger-v2/model.onnx" tags_path = "/.cache/huggingface/hub/models--SmilingWolf--wd-v1-4-vit-tagger-v2/selected_tags.csv" 最后，运行./webui.sh，就可以正常使用tagger插件了！
