SD-Demo 实现说明¶

本文档详细说明 DeepExtension 平台中内置训练方法 SD-Demo 的技术实现方案。该示例作为只读参考，展示第三方训练代码与平台工作流的集成方法。

技术架构¶

实现基础¶

SD-Demo 基于 SimpleTuner 项目的 LoRA 训练模块构建。为确保兼容性，我们对指定提交版本进行了以下调整：

依赖版本适配
入口脚本优化
数据接口标准化

获取适配版本

环境配置¶

资源准备¶

基础模型¶

平台要求基础模型存放于指定路径：

{deepextension_base_dir}/models/stable-diffusion-3.5-medium

注：支持任意兼容的 SD 系列模型

数据集¶

训练数据集采用标准格式，可从以下位置获取：

sd-in-video

数据集上传流程详见：数据集管理指南

训练代码¶

将适配版 SimpleTuner 解压至项目根目录下的 deep-e-python 文件夹。

环境验证¶

本地测试流程¶

在集成前需完成环境验证：

# 创建隔离环境
conda create -n sd python=3.11 -y
conda activate sd

# 安装依赖
cd SimpleTuner/
pip install -U poetry pip -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn
poetry config virtualenvs.create false
poetry source add --priority=default tsinghua https://pypi.tuna.tsinghua.edu.cn/simple/
poetry lock
poetry install

# 执行验证
./train.sh

预期结果：脚本正常执行并完成预设迭代次数。

关键要求：必须通过本地验证后方可进行平台集成

平台集成¶

入口实现¶

通过 sd-demo.py 入口文件实现训练任务调度，环境配置详见：环境配置指南

执行机制¶

平台采用标准化启动命令：

cmd = ['conda', 'run', '-n', envName, 'python', pythonFile]

该设计具备以下优势：

模块化：各训练方法独立运行
灵活性：支持多环境并行
可维护性：统一的执行接口

容器环境部署¶

方案一：实时安装¶

按照上述"环境验证"步骤在容器内执行。

方案二：预置环境¶

系统为 SD 类模型预设环境名称为 sd，可通过以下方式预置：

# 环境打包 原已装环境机器
conda install -c conda-forge conda-pack
conda pack -n sd -o sd.tar.gz

# 环境部署 需要新装依赖机器
cd {deepextension_dir}/conda/envs
mkdir -p sd
tar -xzf sd.tar.gz -C sd

# 容器内激活
docker exec -it deepE-training-prod bash
## 初次进入容器内部 
conda init
exit
source /opt/conda/envs/sd/bin/conda-unpack
# 你会看到
# bash: import: command not found
# bash: import: command not found
# bash: import: command not found
# bash: import: command not found
# bash: import: command not found
# bash: on_win: command not found
# bash: /opt/conda/envs/sd/bin/conda-unpack: line 48: syntax error near unexpected token `('
# bash: /opt/conda/envs/sd/bin/conda-unpack: line 48: `SHEBANG_REGEX = ('

技术验证¶

实现成果¶

✅ 第三方训练代码无缝集成
✅ 标准化工作流支持
✅ 生图模型训练任务调度

平台兼容性¶

支持多种 SD 基础模型
适配标准数据集格式
提供完整环境管理方案

总结¶

SD-Demo 成功验证了 DeepExtension 平台对复杂训练流程的集成能力，为后续生图模型训练任务的标准化提供了技术基础。

DeepExtension —— 企业级 AI 训练流程标准化平台
专业集成 | 稳定运行 | 高效调度