OneTrainer

onetrainer

OneTrainer هو حل واحد لجميع احتياجات التدريب على الانتشار المستقرة.

سمات

• النماذج المدعومة : Flux.1 ، نشر مستقر 1.5 ، 2.0 ، 2.1 ، 3.0 ، 3.5 ، SDXL ، Würstchen-V2 ، تتالي مستقر ، Pixart-Alpha ، Pixart-Sigma و Inpainting Models
• تنسيقات النموذج : الناشرون ونماذج CKPT
• أساليب التدريب : التثبيت الكامل ، لورا ، التضمينات
• التدريب المقنع : دع التدريب يركز على أجزاء معينة من العينات.
• النسخ الاحتياطية التلقائية : احتياطي بالكامل تقدم التدريب بانتظام أثناء التدريب. وهذا يشمل جميع المعلومات لمواصلة التدريب بسلاسة.
• تكبير الصور : قم بتطبيق التحويلات العشوائية مثل الدوران أو السطوع أو التباين أو التشبع مع كل عينة صورة لإنشاء مجموعة بيانات أكثر تنوعًا بسرعة.
• Tensorboard : تكامل Tensorboard بسيط لتتبع تقدم التدريب.
• مطالبات متعددة لكل صورة : قم بتدريب النموذج على مطالبات متعددة مختلفة لكل عينة صورة.
• جدولة الضوضاء : من الورقة من الجداول الزمنية للضوضاء المشتركة وخطوات العينة معيب
• EMA : تدريب نموذج EMA الخاص بك. اختياريا الحفاظ على أوزان EMA في ذاكرة وحدة المعالجة المركزية لتقليل استخدام VRAM.
• دلو نسبة العرض إلى الارتفاع : تدريب تلقائيًا على نسب متعددة في العرض في وقت واحد. ما عليك سوى تحديد القرارات المستهدفة ، يتم إنشاء الدلاء تلقائيًا.
• التدريب متعدد القرار : تدريب قرارات متعددة في نفس الوقت.
• أدوات مجموعة البيانات : توضيح مجموعة البيانات الخاصة بك تلقائيًا باستخدام BLIP ، BLIP2 و WD-1.4 ، أو قم بإنشاء أقنعة للتدريب المقنع باستخدام ClipSeg أو REMBG.
• أدوات النموذج : قم بتحويل بين تنسيقات نموذج مختلفة من واجهة مستخدم بسيطة.
• عينة واجهة المستخدم : عينة من النموذج أثناء التدريب دون التبديل إلى تطبيق مختلف.
• محاذاة : طريقة تعلم تعزيز لشبكات الانتشار من نماذج نشر النص إلى الورق مع عكس المكافأة الخلفية

تثبيت

يتطلب تثبيت OneTrainer Python> = 3.10 و <3.13. يمكنك تنزيل Python هنا https://www.python.org/downloads/windows/. ثم اتبع هذه الخطوات:

التثبيت التلقائي

• استنساخ المستودع git clone https://github.com/Nerogar/OneTrainer.git
• يجري:
  • Windows: install.bat
  • الأنظمة القائمة على UNIX: install.sh

التثبيت اليدوي

• استنساخ المستودع git clone https://github.com/Nerogar/OneTrainer.git
• انتقل إلى القرص المضغوط cd OneTrainer المستنسخ
• قم بإعداد بيئة افتراضية python -m venv venv
• تنشيط VenV الجديد:
  • Windows: venvscriptsactivate
  • الأنظمة القائمة على UNIX: source venv/bin/activate
• تثبيت متطلبات pip install -r requirements.txt

في بعض توزيع Linux ، قد تحتاج إلى تثبيت libgl ، على سبيل المثال على Ubuntu ستحتاج إلى تشغيل:

 sudo apt-get update
sudo apt-get install libgl1

التحديث

تحديث تلقائي

• تشغيل update.bat أو update.sh

التحديث اليدوي

• سحب التغييرات git pull
• تنشيط Venv venvscriptsactivate
• أعد تثبيت جميع المتطلبات pip install -r requirements.txt --force-reinstall

الاستخدام

لبدء واجهة المستخدم ، قم بتشغيل start-ui.bat . يمكنك العثور على دليل بدء سريع هنا. ، ونظرة عامة أكثر تفصيلاً لمواضيع مختلفة هنا.

إذا كنت بحاجة إلى مزيد من التحكم ، يدعم OneTrainer وضعين للتشغيل. سطر الأوامر فقط ، وواجهة المستخدم. يجب تشغيل جميع الأوامر داخل الوفير النشط الذي تم إنشاؤه أثناء التثبيت.

يتم تقسيم جميع الوظائف إلى رسائل مختلفة تقع في دليل scripts . هذا يشمل حاليا:

• train.py نص التدريب المركزي
• train_ui.py واجهة المستخدم للتدريب
• caption_ui.py واجهة مستخدم لتوضيح التعليق اليدوي أو التلقائي وإنشاء قناع للتدريب المقنع
• convert_model_ui.py واجهة مستخدم لتحويل النموذج
• convert_model.py أداة لتحويلها بين تنسيقات نموذج مختلفة
• sample.py فائدة لعينة أي نموذج
• create_train_files.py أداة لإنشاء ملفات مطلوبة عند التدريب فقط من CLI
• generate_captions.py أداة توضيح تلقائيًا لمجموعة البيانات الخاصة بك
• generate_masks.py أداة لإنشاء أقنعة تلقائيًا لمجموعة البيانات الخاصة بك
• calculate_loss.py أداة لحساب فقدان التدريب لكل صورة في مجموعة البيانات الخاصة بك

لمعرفة المزيد حول المعلمات المختلفة ، قم بتنفيذ <script-name> -h . على سبيل المثال python scriptstrain.py -h

إذا كنت على نظام Mac أو Linux ، فاقرأ وثائق البرمجة النصية للحصول على معلومات مفصلة حول كيفية تشغيل OneTrainer وبرامج النصوص المختلفة على نظامك.

المساهمة

المساهمات دائما موضع ترحيب بأي شكل من الأشكال. يمكنك فتح المشكلات والمشاركة في المناقشات أو حتى طلبات السحب المفتوحة للوظائف الجديدة أو المحسنة. يمكنك العثور على مزيد من المعلومات هنا.

قبل أن تبدأ في النظر إلى الكود ، أوصي بقراءة بنية المشروع هنا. للمناقشات المتعمقة ، يجب عليك التفكير في الانضمام إلى خادم Discord.

تحتاج أيضًا إلى تثبيت تبعيات المطورين المطلوبة لمستخدمك الحالي وتمكين السنانير الالتزام GIT ، عبر الأوامر التالية (تعمل على جميع الأنظمة الأساسية ؛ Windows و Linux و Mac):

pip install -r requirements-dev.txt
pre-commit install

(تأكد من تشغيل تلك الأوامر دون تنشيط بيئة VenV أو Certa ، حيث من المفترض أن يتم تثبيت ما قبل اللجنة خارج أي بيئة.)

الآن سيتم التحقق تلقائيًا من جميع الالتزامات الخاصة بك من أجل الأخطاء الشائعة ومشكلات نمط الكود ، بحيث يمكن لمراجعي التعليمات البرمجية التركيز على بنية التغييرات الخاصة بك دون إضاعة الوقت في مشكلات الأسلوب/التنسيق ، وبالتالي تحسين فرص طلب السحب الخاص بك بسرعة وبدون عناء.

المشاريع ذات الصلة

• MGDS : تطبيق مجموعة بيانات مخصصة لـ Pytorch مبني على فكرة الرسم البياني القائم على العقدة.
• StableTuner : تطبيق تدريب آخر لنشر مستقر. يأخذ OneTrainer الكثير من الإلهام من StableTuner ولن يكون موجودًا بدونه.
• رؤى الفوضى : مجموعة من أدوات التعلم الآلي تتضمن أيضًا onetrainer.