OneTrainer Download - OneTrainer Quellcode Download

OneTrainer

AI-Quellcode

1.0.0

Herunterladen

Onetrainer

Onetrainer ist eine One-Stop-Lösung für alle Ihre stabilen Diffusionstrainingsbedürfnisse.

Merkmale

Unterstützte Modelle : Fluss.1, stabile Diffusion 1.5, 2,0, 2,1, 3.0, 3,5, SDXL, Würstchen-V2, stabile Kaskade, Pixart-Alpha, Pixart-Sigma und Inpacking-Modelle
Modellformate : Diffusoren und CKPT -Modelle
Trainingsmethoden : Vollfeindliche, Lora, Einbettungen
Maskiertes Training : Lassen Sie sich das Training nur auf bestimmte Teile der Proben konzentrieren.
Automatische Backups : Sichern Sie Ihren Trainingsfortschritt während des Trainings regelmäßig. Dies beinhaltet alle Informationen, um das Training nahtlos fortzusetzen.
Bildvergrößerung : Wenden Sie zufällige Transformationen wie Rotation, Helligkeit, Kontrast oder Sättigung auf jede Bildprobe an, um schnell einen vielfältigeren Datensatz zu erstellen.
Tensorboard : Eine einfache Tensorboard -Integration, um den Trainingsfortschritt zu verfolgen.
Mehrere Eingabeaufforderungen pro Bild : Trainieren Sie das Modell auf mehreren verschiedenen Eingabeaufforderungen pro Bildbeispiel.
Rauschplaner -Umschlüsse : Aus dem Papier sind gemeinsame Diffusionsgeräuschpläne und Probenschritte fehlerhaft
EMA : Trainiere dein eigenes EMA -Modell. Halten Sie optional EMA -Gewichte im CPU -Speicher, um die VRAM -Verwendung zu verringern.
Seitenverhältnis Eimer : automatisch auf mehreren Seitenverhältnissen trainieren. Wählen Sie einfach die Zielauflösungen aus, Eimer werden automatisch erstellt.
Multi -Resolution -Training : Trainieren Sie mehrere Auflösungen gleichzeitig.
Dataset Tooling : automatisch Ihren Datensatz mit BLIP, BLIP2 und WD-1.4 oder erstellen Sie Masken für maskiertes Training mit Clipseg oder Rembg.
Modellwerkzeuge : Konvertieren Sie zwischen verschiedenen Modellformaten aus einer einfachen Benutzeroberfläche.
ABSCHAFTUNGS UI : Probieren Sie das Modell während des Trainings ohne Umstellung auf eine andere Anwendung.
AlignProp : Eine Verstärkungslernmethode für Diffusionsnetzwerke aus dem Papier, das Text-zu-Image-Diffusionsmodelle mit Belohnungsrückpropagation ausrichten

Installation

Die Installation von Onetrainer erfordert Python> = 3.10 und <3.13. Sie können Python hier herunterladen https://www.python.org/downloads/windows/. Befolgen Sie dann folgende Schritte:

Automatische Installation

Klonen des Repository git clone https://github.com/Nerogar/OneTrainer.git
Laufen:
- Windows: install.bat
- UNIX -basierte Systeme: install.sh

Manuelle Installation

Klonen des Repository git clone https://github.com/Nerogar/OneTrainer.git
Navigieren Sie in den geklonten Verzeichnis cd OneTrainer
Richten Sie eine virtuelle Umgebung python -m venv venv ein
Aktivieren Sie das neue Venv:
- Windows: venvscriptsactivate
- UNIX -basierte Systeme: source venv/bin/activate
pip install -r requirements.txt

In einer Linux -Verteilung müssen Sie möglicherweise LIBGL installieren, beispielsweise auf Ubuntu, die Sie ausführen müssen:

 sudo apt-get update
sudo apt-get install libgl1

Aktualisierung

Automatisches Update

update.bat oder update.sh ausführen

Handbuch Update

Ziehen Sie Änderungen git pull
Aktivieren Sie die Venv venvscriptsactivate
Installieren Sie alle Anforderungen pip install -r requirements.txt --force-reinstall

Verwendung

Um die Benutzeroberfläche zu starten, führen Sie start-ui.bat aus. Hier finden Sie einen kurzen Startführer und einen detaillierteren Überblick über verschiedene Themen.

Wenn Sie mehr Kontrolle benötigen, unterstützt Onetrainer zwei Betriebsmodi. Nur Befehlszeile und eine Benutzeroberfläche. Alle Befehle müssen in dem aktiven Venv ausgeführt werden, das während der Installation erstellt wurde.

Alle Funktionen sind in verschiedene Scrips aufgeteilt, die im scripts enthalten sind. Dies umfasst derzeit:

train.py das zentrale Trainingskript
train_ui.py a ui für das Training
caption_ui.py a ui für manuelle oder automatische Bildunterschriften und Maskenerstellung für maskiertes Training
convert_model_ui.py a ui für Modellkonvertierungen
convert_model.py Ein Dienstprogramm zum Konvertieren zwischen verschiedenen Modellformaten
sample.py Ein Dienstprogramm zum Beispiel eines Modells
create_train_files.py Ein Dienstprogramm zum Erstellen von Dateien, die beim Training nur aus der CLI erforderlich sind
generate_captions.py Ein Dienstprogramm zum automatischen Erstellen von Bildunterschriften für Ihren Datensatz
generate_masks.py Ein Dienstprogramm zum automatischen Erstellen von Masken für Ihren Datensatz
calculate_loss.py Ein Dienstprogramm zur Berechnung des Trainingsverlusts jedes Bildes in Ihrem Datensatz

Um mehr über die verschiedenen Parameter zu erfahren, führen Sie <script-name> -h aus. Zum Beispiel python scriptstrain.py -h

Wenn Sie sich auf Mac oder Linux befinden, lesen Sie die Dokumentation des Startskripts für detaillierte Informationen zum Ausführen von Onetrainer und deren verschiedenen Skripten in Ihrem System.

Beitragen

Beiträge sind in irgendeiner Form immer willkommen. Sie können Probleme öffnen, an Diskussionen teilnehmen oder sogar Pull -Anfragen für neue oder verbesserte Funktionen öffnen. Weitere Informationen finden Sie hier.

Bevor Sie sich den Code ansehen, empfehle ich, hier über die Projektstruktur zu lesen. Für ausführliche Diskussionen sollten Sie in Betracht ziehen, sich dem Discord -Server anzuschließen.

Sie müssen außerdem die erforderlichen Entwicklerabhängigkeiten für Ihren aktuellen Benutzer installieren und die Git Commit -Hooks über die folgenden Befehle aktivieren (funktioniert auf allen Plattformen; Windows, Linux und Mac):

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

(Achten Sie darauf, diese Befehle auszuführen , ohne Ihre Venv- oder Conda-Umgebung zu aktivieren, da das Vorverfahren außerhalb einer beliebigen Umgebung installiert werden soll.)

Jetzt werden alle Ihre Commits automatisch auf häufigste Fehler und Code -Stilprobleme verifiziert, damit sich Code -Rezensenten auf die Architektur Ihrer Änderungen konzentrieren können, ohne Zeit mit Stil-/Formatierungsfragen zu verschwenden, wodurch die Chancen, dass Ihre Pull -Anfrage schnell und mühelos angenommen wird, erheblich verbessert.