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。いずれもsd-scriptsの公式の文書がVRAMの削減や学習の高速化に効くと書いている設定です（どれだけ縮むかは環境とデータで変わり、当サイトは学習を測っていません）。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 のスタンダードプラン以上）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、設定側に原因があることもあります。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、といった設定はボトルネックになり得ます。
【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（VRAMに余裕があるとき） | ON（メモリを大きく減らし速度は少し落ちる・SDXLでは推奨＝公式） |
| 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、VAEの計算を省けるので、VRAMが減り学習も速くなります（sd-scriptsの公式の文書）。ディスク保存（cache latents to disk）にすると、2回目以降の学習でもVAEの計算を省けます。ただし、色や反転などの画像の水増し（augmentation）は使えなくなります。
オプティマイザの選択（AdamW8bit / Adafactor）
公式の文書は、AdamW8bitをメモリ効率がよく一般的な選択肢、Adafactorをさらにメモリ効率がよい選択肢として挙げています。SDXLに必要なVRAMの目安は公式に書かれていないので、混合精度・gradient checkpointing・キャッシュ・fused_backward_pass（Adafactorのみ）などの節約設定から試してください。
混合精度とFP8
混合精度はbf16かfp16が推奨で、VRAMを減らし学習を速くします（公式）。FP8では、ベースモデルをFP8で読み込んでVRAMを減らす実験的な設定（--fp8_base・PyTorch 2.1以上）があります。公式の説明はVRAMの削減で、速くする設定とは書かれていません。
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ください。RTX 50シリーズを積んだ構成で考えるなら、GPU別の構成と予算の目安はローカルAI画像生成のおすすめBTO PC構成（予算別）にまとめています。
📘 「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、スタンダードプラン（月額4,378円・税込）以上でブラウザから使えるKohya SS GUIを備えており、環境構築なしでLoRA学習を始められます（月額1,100円のエントリープランでは使えません）。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は数十枚（20〜40枚程度）から始める例が多いものの、sd-scriptsの文書に推奨の枚数は無く、当サイトも枚数ごとの仕上がりは測っていません。画像を増やすほど1エポックの学習時間は伸びるので、枚数を増やす前に偏りと画質を整えるのが近道です。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