OneTrainer

Inaugurador

Onetriner es una solución única para todas sus necesidades de entrenamiento de difusión estable.

Características

• Modelos compatibles : Flux.1, Difusión estable 1.5, 2.0, 2.1, 3.0, 3.5, SDXL, Würstchen-V2, Cascada estable, Pixart-Alpha, Pixart-Sigma e Interpainting Models
• Formatos de modelo : difusores y modelos CKPT
• Métodos de entrenamiento : ajuste completo, lora, incrustaciones
• Entrenamiento enmascarado : deje que el entrenamiento se centre en ciertas partes de las muestras.
• Copias de seguridad automáticas : respalde completamente su progreso de entrenamiento regularmente durante el entrenamiento. Esto incluye toda la información para continuar sin problemas entrenando.
• Aumento de la imagen : aplique transformaciones aleatorias como rotación, brillo, contraste o saturación a cada muestra de imagen para crear rápidamente un conjunto de datos más diverso.
• Tensorboard : una simple integración de Tensorboard para rastrear el progreso del entrenamiento.
• Múltiples indicaciones por imagen : Entrene el modelo en múltiples indicaciones diferentes por muestra de imagen.
• RESCALACIÓN DEL SECULADOR DE LA CONSIDAD : Desde el papel, los horarios de ruido de difusión común y los pasos de muestra son defectuosos
• EMA : Entrena tu propia modelo EMA. Opcionalmente, mantenga los pesos de EMA en la memoria de la CPU para reducir el uso de VRAM.
• Coloque de la relación de aspecto : entrenar automáticamente en múltiples relaciones de aspecto a la vez. Simplemente seleccione las resoluciones de destino, los cubos se crean automáticamente.
• Entrenamiento de resolución múltiple : capacite a múltiples resoluciones al mismo tiempo.
• Herramientas del conjunto de datos : subtitule automáticamente su conjunto de datos con Blip, Blip2 y WD-1.4, o cree máscaras para el entrenamiento enmascarado usando ClipSeg o REMBG.
• Herramientas del modelo : Convierta entre diferentes formatos de modelo de una interfaz de usuario simple.
• UI de muestreo : muestree el modelo durante el entrenamiento sin cambiar a una aplicación diferente.
• AlignProp : un método de aprendizaje de refuerzo para redes de difusión del documento que alinea modelos de difusión de texto a imagen con recompensa retrospropagación

Instalación

La instalación de OnTrainer requiere Python> = 3.10 y <3.13. Puede descargar Python aquí https://www.python.org/downloads/windows/. Luego siga estos pasos:

Instalación automática

• Clone el repositorio git clone https://github.com/Nerogar/OneTrainer.git
• Correr:
  • Windows: install.bat
  • Sistemas basados ​​en UNIX: install.sh

Instalación manual

• Clone el repositorio git clone https://github.com/Nerogar/OneTrainer.git
• Navegar hacia el cd OneTrainer
• Establezca un entorno virtual python -m venv venv
• Active el nuevo Venv:
  • Windows: venvscriptsactivate
  • Sistemas basados ​​en UNIX: source venv/bin/activate
• Instale los requisitos pip install -r requirements.txt

En alguna distribución de Linux, es posible que deba instalar libgl, por ejemplo en Ubuntu, deberá ejecutar:

 sudo apt-get update
sudo apt-get install libgl1

Actualización

Actualización automática

• Ejecutar update.bat o update.sh

Actualización manual

• Tirar de los cambios git pull
• Activar el venv venvscriptsactivate
• Vuelva a instalar todos los requisitos pip install -r requirements.txt --force-reinstall

Uso

Para comenzar la interfaz de usuario, ejecute start-ui.bat . Puede encontrar una guía de inicio rápida aquí, y una descripción más detallada de diferentes temas aquí.

Si necesita más control, OnTrainer admite dos modos de operación. Línea de comando solamente, y una interfaz de usuario. Todos los comandos deben ejecutarse dentro del Venv activo creado durante la instalación.

Toda la funcionalidad se divide en diferentes scrips ubicados en el directorio scripts . Esto incluye actualmente:

• train.py el guión de entrenamiento central
• train_ui.py una interfaz de usuario para entrenamiento
• caption_ui.py una interfaz de usuario para subtítulos manuales o automáticos y creación de máscaras para entrenamiento enmascarado
• convert_model_ui.py una interfaz de usuario para conversiones de modelos
• convert_model.py una utilidad para convertir entre diferentes formatos de modelo
• sample.py Una utilidad para probar cualquier modelo
• create_train_files.py Una utilidad para crear archivos necesarios cuando se entrene solo desde la CLI
• generate_captions.py una utilidad para crear automáticamente subtítulos para su conjunto de datos
• generate_masks.py una utilidad para crear automáticamente máscaras para su conjunto de datos
• calculate_loss.py una utilidad para calcular la pérdida de entrenamiento de cada imagen en su conjunto de datos

Para obtener más información sobre los diferentes parámetros, ejecute <script-name> -h . Por ejemplo python scriptstrain.py -h

Si está en Mac o Linux, lea la documentación del script de lanzamiento para obtener información detallada sobre cómo ejecutar OnTrainer y sus diversos scripts en su sistema.

Que contribuye

Las contribuciones siempre son bienvenidas en cualquier forma. Puede abrir problemas, participar en discusiones o incluso abrir solicitudes de extracción de funcionalidad nueva o mejorada. Puede encontrar más información aquí.

Antes de comenzar a mirar el código, le recomiendo leer sobre la estructura del proyecto aquí. Para discusiones en profundidad, debe considerar unirse al servidor Discord.

También debe instalar las dependencias de desarrollador requeridas para su usuario actual y habilitar los ganchos de confirmación Git, a través de los siguientes comandos (funciona en todas las plataformas; Windows, Linux y Mac):

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

(Asegúrese de ejecutar esos comandos sin activar su entorno Venv o Conda, ya que se supone que se instala previa al contrario fuera de cualquier entorno).

Ahora, todas sus confirmaciones se verificarán automáticamente para errores comunes y problemas de estilo de código, para que los revisores de código puedan centrarse en la arquitectura de sus cambios sin perder el tiempo en los problemas de estilo/formato, lo que mejora enormemente las posibilidades de que su solicitud de extracción se acepte rápida y sin esfuerzo.

Proyectos relacionados

• MGDS : una implementación de conjunto de datos personalizada para Pytorch que se basa en la idea de un gráfico basado en el nodo.
• Stabletuner : otra aplicación de capacitación para difusión estable. Onetriner se inspira mucho en Stabletuner y no existiría sin él.
• Visions of Chaos : una colección de herramientas de aprendizaje automático que también incluye OnTrainer.