lora concepts template
1.0.0
Dies ist eine Vorlage, die zum Training mehrerer Konzepte und Regularisierungsbilder für LORA-Modelle (Low-Rank-Adaptation) verwendet werden kann.
Lora: https://github.com/cloneofsimo/lora
Basierend auf Trainingsskripten von Kohya-SS SD-Skripten
| Verzeichnis | Beschreibung |
|---|---|
image_dir | Enthält alle Eingabebilder und Bildunterschriftendateien, die von der Gesamtzahl der Epoche pro Bild vorangestellt wurden |
reg_dir | Enthält alle Regularisierungsbilder pro Konzept, die durch die Gesamtzahl der Wiederholungen pro Reg -Bild vorangestellt wurden |
log | Datensätze jedes Trainingsprotokolls |
output | Die endgültige Ausgabe binär (Safesensor, Pt usw.) |
config_v1_example.json | Die Konfiguration für die Trainingseinheit (umbenennen Sie alles, was Sie wollen) |
Bildern Sie die Datensätze so, dass die Konzeptordner angeben, wie oft sie während des Trainings wiederholt werden sollten.
Nehmen wir zum Beispiel an, Sie haben vier Konzepte, und jeder von diesen hat 14 Bilder pro Konzept, mit Ausnahme eines, der 28 hat.
Um dies für Schulungsschritte pro Konzept pro Epoche 5200 auszugleichen, würden Sie die Wiederholungen durch die Gesamtmenge der Bilder pro Konzept teilen:
5200 / 14 = 371 5200 / 28 = 186
Im Beispiel wäre der Name der Konzeptverzeichnisse:
Das unten stehende Dienstprogramm stellt sicher, dass jeder Konzeptordner im Datensatzordner während des Trainingsprozesses des Dreambooth -Modells für maschinelles Lernen gleichermaßen verwendet wird, unabhängig von der Anzahl der Bilder in jedem Ordner:
https://github.com/bmalais/kohya_ss/blob/cdf84e2f4b65517c396ffb72474616a57bc109b6/library/dataset_balancing_gui.py
