LoRAdo

لورادو

قم بإعداد مجموعات البيانات لـ Kohya_ss (واجهة المستخدم لـ https://github.com/kohya-ss/sd-scripts.)

نخطط لدمج التدريب مباشرة في هذه الأداة

• مقدمة
• لماذا؟
• لقطات الشاشة
• سمات
• البدء مع لورادو
• تحديث لورادو
• باستخدام لورادو
• كيف يعمل لورادو
• أمثلة توليد

مقدمة

مرحبا بكم في لورادو. تم تصميم مجموعة الأدوات هذه لتبسيط عملية توليد صور Loras. مناسبة لكل من المبتدئين والمطورين ذوي الخبرة ، فإنه يبسط إنشاء مجموعة البيانات. تم تصميم Lorado في البداية مع وضع صور في الاعتبار ، وهو قابل للتكيف ويعمل بشكل جيد لمختلف الموضوعات. تتضمن الميزات الرئيسية اكتشاف الوجه وأدوات زراعة المحاصيل سهلة الاستخدام ، مما يضمن توازنًا عمليًا بين تجربة المستخدم والنتائج.

مع Lorado ، فإن إنشاء مجموعات بيانات للتدريب على الصور أمر واضح وفعال.

لماذا؟

أردنا توفير طريقة سهلة لتدريب Loras على حالات الاستخدام المختلفة. أثناء البحث ، قررنا إنشاء بعض وظائف المساعد الصغيرة لمساعدتنا في جمع الصور وقيامها وكذلك إنشاء ملفات توضيحية. توفر واجهة المستخدم هذه طريقة سهلة لإنشاء Loras دون التفكير فيها.

لقطات الشاشة

واجهة المستخدم	عرض الصور وتكوينها
عرض المشروع	المجلد الجاهز

سمات

• إنشاء مجموعة البيانات
• أدوات التسمية التوضيحية
• إنشاء وتحرير المشاريع
• دعم SDXL و SD-1.5
• تعديل قرار SDXL أو SD-1.5
• قرارات الصور المتعددة
• Kohya_ss (UI) Config Creator
• أدوات صورة التنظيم (WIP)

البدء مع لورادو

1. المتطلبات الأساسية:

   • تأكد من تثبيت node.js (v18.5.0) . إذا لم يكن الأمر كذلك ، يمكنك تنزيله من موقع Node.js الرسمي. (استخدم مدير إصدار العقدة) للتبديل بسرعة إلى إصدار مختلف.
   • هناك مشكلة مفتوحة مع TensorFlow. يرجى التأكد من تثبيت V18 (ليس أعلاه). يمكن العثور على الإصدار الموصى به في .NVMRC
   • إذا كانت هناك مشكلة في TensorFlow ، فيرجى التحقق من هذه المشكلة

2. استنساخ وتثبيت التبعيات:

   git clone https://github.com/failfa-st/LoRAdo.git
   cd LoRAdo
   npm install

3. تشغيل التطبيق:

   npm run build
   npm run start

   يجب أن يعمل تطبيقك الآن على http: // localhost: 3000. انتقل إلى عنوان URL هذا في متصفحك لاستكشاف واجهة المستخدم Lorado.

تحديث لورادو

1. أوقف لورادو إذا كان يعمل بالفعل

   • Ctrl+C لإنهاء العملية في المحطة

2. قم بتحديث الرمز والتبعيات:

   git fetch origin
   git reset --hard origin/main
   npm install

3. قم بتشغيل التطبيق:

   • قم بتنفيذ الأوامر كما هو موضح تحت تشغيل التطبيق أعلاه

باستخدام لورادو

1. الخطوة 1: ابدأ بتحميل الصور (الصور) التي اخترتها.
2. الخطوة 2: دع ميزة اكتشاف وجه لورادو تفحص الصورة.
   • إذا تم اكتشاف الوجه ، يحدده النظام كنقطة محورية محتملة للاقتصاص.
   • إذا لم يتم اكتشاف أي وجه ، فقم بتقييم ما إذا كانت الصورة مناسبة لاحتياجاتك.
3. الخطوة 3: أضف التسميات التوضيحية إلى صورك مباشرة داخل التطبيق ، وتعزيز سياق ومعنى كل منهما.
4. الخطوة 4: اختر طريقة المحاصيل الخاصة بك:
   • اختر الحد الأدنى من المحاصيل من خلال إيجاد دقة أفضل استنادًا إلى نسبة العرض إلى الارتفاع الأصلية ، مع الاستمرار في التفكير في النقطة المحورية المكتشفة.
   • أو ، قم بإنشاء 9 محاصيل SDXL (3 SD-1.5 على التوالي) متوافقة لكل صورة.
5. الخطوة 5: بنقرة واحدة على "إعداد" ، قم بتحويل الصور المنسقة إلى مجموعة بيانات ، متوافقة مع Kohya_SS.
6. الخطوة 6: انتقل إلى مجلد التدريب:
   • كل مجموعة بيانات هنا تأتي مع ملف config.json الخاص بها.
   • يتم تحضير هذه التكوينات للتكامل في Kohya_SS.

كيف يعمل لورادو

في قلب لورادو هو القصد من تبسيط المجمع.

1. تحسين الصورة: ابدأ بأي صورة. لورادو محصوته بذكاء لتناسب دقة SDXL المثالية. بالنسبة للصور ذات الوجوه ، تصبح النقطة المحورية ، مما يضمن أفضل نتيجة بصرية. بدون وجه؟ لا تقلق ، نحن نركز على ذلك تمامًا.

2. قرارات متعددة: ما وراء التقصير ، لديك خيار إنشاء الصور في جميع قرارات SDXL 9 ، كمحاولة لزيادة المرونة دون المساس بالجودة.

3. التكوين سهل: Lorado ينشئ ملف تكوين مصمم خصيصًا لـ Kohya_SS. بمجرد تعيين مشروعك ، يعد دمجه مع Kohya_SS نسيمًا. ما عليك سوى تحميل التكوين ضمن علامة التبويب Lora ، وأنت جميعًا مستعد لبدء التدريب. وإذا كنت ترغب في ذلك ، فإن Kohya_SS يوفر المزيد من خيارات التكوين الحبيبية.

في حين أن نهجنا يسترشد برأي قوي حول قابلية الاستخدام ، إلا أنه لا يزال يترك مجالًا للتخصيص. مع تطورنا ، نتوقع التكوين المعزز. لكن كن مطمئنًا ، فإن البساطة ستكون دائمًا نجمنا التوجيهي ، مما يضمن أن التفاعل مع لورادو لا يزال بديهيًا.

مثال على الصور عبر @anamnesis33

صورة	وصلة
	https://unsplash.com/photos/mqcykihgfao
	https://unsplash.com/photos/06tuqm7rsp4
	https://unsplash.com/photos/aujhl146mby
	https://unsplash.com/photos/8owttyqn47i

توفر هذه الأداة تكوينًا ومقاربة لتدريب LORAs المرنة. نحن نبحث باستمرار لتحسين الإعدادات الافتراضية التي توفرها هذه الأداة. تم التخطيط للتكوين المتقدم (المفصل) للإصدارات المستقبلية.

أمثلة توليد

تم إنشاء هذه الأمثلة من لورا ، تدرب على مجموعة بيانات تم إعدادها باستخدام هذه الأداة/النهج

ردود الفعل والدعم: واجهت مشكلة أو لديك اقتراح؟ انضم إلى مجتمع Discord أو افتح مشكلة على Github. نود أن نسمع منك!

مديري إصدار العقدة

Node.js لديها قائمة بخيارات التثبيت البديلة.

منصة الصليب

• FNM

النوافذ

• NVM Windows
• نودست
• NVS

ماكوس/لينكس

• NVM
• ن