Come installare Kohya_ss su Mac Apple Silicon: La guida completa e i consigli sul hardware

Kohya_ss su Apple Silicon senza segreti: Guida completa e passo-passo per installare la celebre suite di addestramento IA su Mac. Dall'analisi dell'hardware necessario — con un test sul campo condotto su MacBook Air M5 (24 GB RAM / 1 TB SSD) — fino ai comandi da terminale per configurare PyTorch, l'accelerazione MPS e l'ambiente virtuale isolato.

0 commenti Commenta ↓

Guida Passo-Passo all'Installazione

Preparazione del sistema: I Prerequisiti

Per prima cosa dobbiamo installare sul Mac gli strumenti di compilazione e il gestore di pacchetti di sistema.

A. Xcode Command Line Tools

Apri il Terminale (lo trovi in Applicazioni > Utility) ed esegui:

Bash
xcode-select --install

(Se il terminale ti avvisa che i tool sono già presenti, passa al punto successivo).

B. Homebrew

Homebrew è il package manager fondamentale per macOS. Se non lo hai ancora installato, incolla ed esegui questo comando nel Terminale:

Bash
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

C. Le dipendenze di sistema

PyTorch e la suite di librerie per l'addestramento su Apple Silicon richiedono strumenti dedicati e una versione precisa di Python.

⚠️ Nota su Python: La versione più stabile per evitare errori di compilazione con la libreria MPS è Python 3.10. Evita di usare versioni più recenti (come 3.11 o 3.12) per l'ambiente virtuale di Kohya.

Installa le dipendenze con Homebrew:

Bash
brew install python@3.10 git wget rust cmake

Download e Clonazione di Kohya_ss

Scegli la cartella sul Mac dove desideri posizionare l'applicazione (ad esempio la cartella utente) e clona il repository ufficiale:

Bash
# Posizioniamoci nella cartella utente
cd ~

# Scarichiamo il repository
git clone https://github.com/bmaltais/kohya_ss.git

# Entriamo nella directory di lavoro
cd kohya_ss

Ora rendiamo eseguibili gli script di gestione assegnando i giusti permessi:

Bash
chmod +x setup.sh gui.sh

Esecuzione dello Setup per Apple Silicon

Kohya_ss possiede uno script interattivo che crea automaticamente l'ambiente virtuale isolato (venv) e scarica i moduli Python corretti.

Lancia lo script da terminale:

Bash
./setup.sh

Rispondi alle domande della procedura guidata nel seguente modo:

  1. In quale ambiente ti trovi?

    Seleziona l'opzione Mac / Apple Silicon (MPS).

  2. Creare un ambiente virtuale (venv)?

    Rispondi 1 (Sì). Questo garantisce che tutte le librerie rimangano isolate dentro la cartella di Kohya senza alterare il sistema operativo.

  3. Versione di PyTorch:

    Consenti allo script di installare la build di PyTorch abilitata per MPS. Lo script configurerà i moduli torch e torchvision ottimizzati per la memoria unificata e l'accelerazione GPU di Apple.

Primo Avvio dell'Interfaccia Web

Completato il setup, per avviare la GUI di Kohya_ss ti basterà eseguire ogni volta lo script gui.sh:

Bash
./gui.sh

Il terminale inizierà a caricare i componenti e restituirà un indirizzo di rete locale:

Plaintext
Running on local URL: http://127.0.0.1:7860

Apri il browser web (Safari, Chrome o altro) e digita [http://127.0.0.1:7860](http://127.0.0.1:7860). Ti troverai direttamente all'interno dell'interfaccia di Kohya_ss, pronta per accogliere la configurazione dei tuoi dataset e l'inizio del training.

Risoluzione dei Problemi Comuni (Troubleshooting)

❌ Il terminale dice "python3.10: command not found"

Se durante lo setup il Mac non trova la versione corretta di Python, aggiungi Homebrew al PATH del tuo profilo shell eseguendo questo comando:

Bash
echo 'export PATH="/opt/homebrew/opt/python@3.10/bin:$PATH"' >> ~/.zshrc
source ~/.zshrc

❌ Gestione delle risorse e saturazione della memoria

Se stai lavorando su un MacBook Air o su macchine con 16 GB / 24 GB di RAM:

  • Chiudi software grafici pesanti o istanze di generazione d'immagini attive in background (come WebUI, Draw Things o ComfyUI) prima di avviare il training.

  • Nelle impostazioni dei parametri di Kohya, utilizza il selettore di precisione fp16 per risparmiare memoria e velocizzare i calcoli sulla GPU Metal.

📬 Ti è piaciuto questo contenuto?

Iscriviti alla newsletter: ricevi le novità direttamente nella tua email ogni fine settimana. Niente spam, disiscrizione con un clic.

Notizie collegate

Le notizie legate a questo approfondimento

Vedi tutti →
Ti è piaciuto? Vota
— Nessun voto

Commenti (0)

Ancora nessun commento. Inizia tu la discussione.

L'email non verrà pubblicata: serve solo per avvisarti se qualcuno risponde al tuo commento.

I commenti dei visitatori vengono pubblicati dopo l'approvazione della redazione. Se preferisci, puoi accedere per pubblicare subito.