LoRA学習が遅いなら、まずバッチサイズ・latentキャッシュ・混合精度（bf16）・8bitオプティマイザの4点を見直しましょう。設定だけで学習時間は数割縮みます。それでも遅いなら、RTX 5090級のGPUか、Kohya SS GUIを備えたクラウド（ConoHa AI Canvas）に逃がすのが最短です。
「キャラLoRAの学習に何時間もかかる」「途中でVRAMが足りず止まる」——ローカルでLoRAを回すと必ずぶつかる悩みです。この記事では、Kohya_ss（sd-scripts）の設定でLoRA学習を高速化する具体策と、GPU・クラウドの選び方までを、実際に自作している立場から整理します。基礎からの手順はLoRAの作り方完全ガイドを先に押さえておくとスムーズです。
LoRA学習が遅いのはなぜ？ボトルネックはどこにある
LoRA学習の速度を決めるのはGPUの計算能力・VRAM容量・データの前処理の3つです。多くの環境では、VRAM不足による設定制限が実効速度を下げています。
速度を左右する3つの要素
1つ目はGPUの計算能力。行列演算をこなすTensorコアの性能がそのまま1ステップの速さになります。2つ目はVRAM容量で、これが足りないとバッチサイズを下げるしかなくなり、結果として学習が長引きます。3つ目が画像の前処理（VAEエンコード）で、ここを毎エポック再計算していると無駄な待ち時間が積み上がります。
「GPUは新しいのに遅い」場合、ほとんどは設定側の問題です。バッチサイズが小さすぎる、キャッシュが無効、CPUオフロードが過剰、といった設定がボトルネックになっているケースが大半です。
【設定編】LoRA学習を高速化するKohya設定は？
最も効くのはバッチサイズの最適化とlatentキャッシュです。VRAMに余裕を作り、無駄な再計算を省くのが高速化の基本になります。
| 設定項目 | 高速化を優先 | VRAM節約を優先 |
|---|---|---|
| バッチサイズ | VRAMが許す限り大きく | 1〜2 |
| gradient checkpointing | OFF（速度重視） | ON（VRAM約30%減／速度約20%減） |
| オプティマイザ | AdamW8bit | Adafactor |
| 混合精度 | bf16 / fp16 | bf16 |
| cache latents | ON（ディスク保存） | ON |
| gradient accumulation | 必要に応じて | 大きく（実効バッチを稼ぐ） |
ポイントは、VRAMに余裕があるなら迷わずバッチサイズを上げること。逆にVRAMがギリギリなら、gradient checkpointingとgradient accumulationで「遅くても止まらない」構成に振るのが正解です。設定でVRAMの壁を越えられないなら、ハードウェアやクラウドに逃がす判断が早道になります。
各パラメータの効かせ方（もう一歩踏み込む）
同じVRAMでも、パラメータの組み合わせ次第で学習時間は大きく変わります。効果の大きい順に見ていきましょう。
バッチサイズ × gradient accumulation
バッチサイズを上げるほど1ステップで学習する枚数が増え、総ステップ数が減って高速化します。VRAMが足りずバッチを上げられないときは、gradient accumulation stepsで「見かけ上のバッチサイズ」を稼ぐと、VRAMを増やさずに学習を安定させられます。
latentキャッシュで前処理を省く
cache latentsを有効にすると、画像をVAEでエンコードした結果を再利用でき、毎エポックの再計算を省けます。ディスク保存（cache latents to disk）にすればVRAMも節約でき、高速化とメモリ節約を両立できます。
オプティマイザの選択（AdamW8bit / Adafactor）
速度と安定性のバランスならAdamW8bit。VRAMをさらに削りたいならAdafactorが有効で、bf16やCPUオフロードと組み合わせればVRAM 8GBでもSDXLのLoRA学習が現実的になります。
混合精度とFP8（RTX 40/50シリーズ）
bf16／fp16の混合精度はほぼ必須です。さらにRTX 40・50シリーズの新世代Tensorコアが対応するFP8を活用すると、対応フレームワークで学習をいっそう加速できます。手持ちのGPUがFP8に対応しているかを確認しておきましょう。
設定で足りないならGPU・クラウドで根本解決
設定を詰めても遅いなら、原因はGPU性能そのものです。VRAMと世代を上げるか、クラウドGPUに移すのが確実な解決策になります。
GPUを新調するなら
LoRA学習で効くのはVRAM容量と世代です。RTX 5090（VRAM 32GB）は大きめのモデルにも余裕があり、旧世代比で学習時間を30〜40%短縮できます。予算重視ならRTX 5070 Ti（16GB）でもSDXLのLoRAは十分こなせます。GPUは最新のRTX 50シリーズから選ぶのが無難です。VRAM別の最適化設定もあわせて確認しておくと失敗しません。
📘 「買う」と「借りる」のどちらが安いかを自分の使用量で出したい方へ：当サイト運営者がZennで公開している電子書籍『画像生成AI・ローカルLLMを“安く速く”動かす実測ガイド』（有料・500円／第1〜2章は無料公開）で、クラウドGPUの料金の見方とSpot活用、そしてローカル購入とクラウドの損益分岐を、使用量を入れれば答えが出る式とテンプレートにまとめています。
ローカルが非力ならクラウドGPU
高価なGPUを買わずに高速学習したいなら、クラウドGPUが近道です。中でもConoHa AI Canvasは、ブラウザから使えるKohya SS GUIを標準搭載しており、環境構築なしでLoRA学習を始められます。GPUの初期投資を避けたい人や、まず気軽に試したい人に向いています。自分でGPUを回すColab型との比較はGoogle Colab ProのGPU活用ガイドも参考になります。
学習データの最適化も時短になる
学習を速くする最後の鍵はデータ側にあります。枚数とステップ数を最適化すれば、無駄な学習時間を丸ごと削れます。
キャラクターLoRAなら画像は20〜40枚が最適です。数千枚を放り込むと学習時間が伸びるだけでなく、過学習で品質がむしろ下がります。解像度・繰り返し回数・エポック数も過剰にせず、必要十分に抑えるのが結果的な時短につながります。データ準備の基本はLoRAの作り方完全ガイドで解説しています。
コメント