본문 바로가기
웹툰AI

[AI모델 훈련] One Trainer - 01강

by Kwoon 2026. 2. 2.

 

들어가기 전에

One Trainer란?

One Trainer는 이미지 생성형 AI모델을 훈련하는 전용 트레이너 입니다. Kohya_ss와 함께 많이 쓰이는 트레이너 중 하나입니다.

One Trainer는 GUI환경으로 Kohya_ss에 비해 사용이 편리하다는 장점이 있습니다.

 

One Trainer를 이용하여 SDXL 계열의 모델을 파인튜닝하는 과정을 통해 One Trainer 사용방법을 알아 봅니다. 아직은 전체 내용을 설명하기에 몇강까지 할지 Curriculum을 짜진 못했습니다. 짬나는데로 스텝바이 스텝으로 진행 해 보겠습니다.

 

SDXL 임베이딩 모델을 훈련하는 과정을 통하여 전체 사용방법을 알아 볼겁니다. Flux나 기타 여러가지 모델 훈련에 관해서는 VRAM 이슈가 있으므로 가장 간단한 임베이딩 모델을 훈련해 볼겁니다.

 

One Trainer 설치

먼저 OneTrainer를 설치하려면 Python 3.10 이상 3.13 미만 버전이 필요합니다. Python은 https://www.python.org/downloads/windows/ 에서 다운로드할 수 있습니다. Python 설치는 WebUI Forge나 ComfyUI 등을 설치하면서 이미 설치 하셨을 것입니다. 사실 포지나 컴피UI가 설치 되지 않았다면 이 One Trainer 역시 설치해 쓸 필요가 없습니다. 로컬PC에서 이미지 생성형 AI를 할 준비가 안된것이기 때문에 AI모델을 훈련하는 것 자체가 무의미 하기 때문입니다.

 

Python이 설치되었다면 다음 단계로 Python를 깃허브 사이트에서 다운로드해야 합니다.

https://github.com/Nerogar/OneTrainer

 

GitHub - Nerogar/OneTrainer: OneTrainer is a one-stop solution for all your Diffusion training needs.

OneTrainer is a one-stop solution for all your Diffusion training needs. - Nerogar/OneTrainer

github.com

1️⃣  설치폴더 생성

One Trainer를 설치할 폴더를 정한 다음에 해당 폴더에서 탐색기 주소창에 CMD를 입력하고 엔터를 칩니다.

 

2️⃣  다운로드 주소복사

CMD터미널 창이 열리면, 이번엔 One Trainer 깃허브 사이트에 가서 다운로드 주소를 복사해 옵니다.

git clone https://github.com/Nerogar/OneTrainer.git

바로 이 주소인데요 깃허브 사이트에서 주소를 복사하시기 바랍니다.

 

3️⃣  다운로드

다시 CMD터미널 창에서 주소를 붙여넣기 하고 엔터를 칩니다. 그럼 뭔가 열심히 다운로드 할 것입니다.

 

4️⃣  One Trainer 폴더 이동

다운로드가 완료되면 CMD 창을 끄고 One Trainer 설치된 폴더로 이동 합니다.

 

5️⃣  인스톨

폴더에서 install.bat 파일을 찾아 더블클릭하여 실행해 줍니다. 인스톨 시간이 조금 많이 걸립니다.

 

6️⃣  업데이트

인스톨이 끝나고 나면 update.bat 파일을 찾아 실행해 줍니다. 이것도 시간이 좀 걸립니다.

 

7️⃣  실행

업데이트까지 다 마쳤으면 이제 start-ui.bat 파일을 찾아 실행해 줍니다. 앞으로는 start-ui.bat 파일로 One Trainer를 실행하는 겁니다.

 

8️⃣  실행화면

스타트 배치파일을 살행해주면 CMD창이 열리고 로드를 합니다. 그리고 잠시후에 One Trainer 창이 열립니다.(기존의 WebUI 처럼 브라우저에서 열리는게 아니고 독립적인 GUI 윈도창이 열립니다.

 

오늘은 One Trainer를 설치하는 과정까지 알아봤습니다. 

https://youtu.be/eArfbbKg2ec

설치과정을 담은 영상 입니다.

 

다음 강좌엔 메뉴 하나하나를 뜯어서 기능을 알아보도록 하겠습니다.

이런 형태로 하나하나 설명을 담아 보려 합니다. 그럼 다음 2강에서 뵙겠습니다.

 

 

728x90
반응형