Descarga LoRAdo - Descarga del código fuente LoRAdo

LoRAdo

Código Fuente de IA

1.0.0

Descargar

Lorado

Prepare conjuntos de datos para kohya_ss (una interfaz de usuario para https://github.com/kohya-ss/sd-scripts.)

Planeamos integrar la capacitación directamente en esta herramienta.

Introducción
¿Por qué?
Capturas de pantalla
Características
Comenzando con Lorado
Actualizar lorado
Usando lorado
Cómo funciona Lorado
Ejemplos de generación

Introducción

Bienvenido a Lorado. Este kit de herramientas está diseñado para optimizar el proceso de generación de imágenes de LORAS. Adecuado tanto para principiantes como para desarrolladores experimentados, simplifica la creación del conjunto de datos. Inicialmente diseñado con retratos en mente, Lorado es adaptable y funciona bien para varios temas. Las características clave incluyen la detección facial y las herramientas de cultivo fáciles de usar, asegurando un equilibrio práctico entre la experiencia del usuario y los resultados.

Con Lorado, crear conjuntos de datos para el entrenamiento de imágenes es sencillo y eficiente.

¿Por qué?

Queríamos proporcionar una manera fácil de entrenar LORAS para diferentes casos de uso. Durante la investigación, decidimos construir algunas pequeñas funciones de ayuda para ayudarnos a recopilar imágenes y recortarlas, así como crear archivos de subtítulos. Esta interfaz de usuario ofrece una manera fácil de crear Loras sin pensarlo demasiado.

Capturas de pantalla

La interfaz de usuario	Ver y configurar imágenes
Vista de proyecto	La carpeta preparada

Características

Creación de conjuntos de datos
Herramientas de subtítulos
Crear y editar proyectos
Soporte para SDXL y SD-1.5
Ajuste de resolución SDXL o SD-1.5
Resoluciones de imágenes múltiples
Kohya_ss (UI) Config Creator
Herramientas de imagen de regularización (WIP)

Comenzando con Lorado

Prerrequisitos:
- Asegúrese de tener node.js (v18.5.0) instalado. Si no, puede descargarlo desde el sitio oficial de Node.js. (Use un administrador de versiones de nodo) para cambiar rápidamente a una versión diferente.
- Hay un problema abierto con TensorFlow. Asegúrese de instalar V18 (no arriba). La versión recomendada se puede encontrar en .NVMRC
- Si hay un problema con TensorFlow, verifique este problema

Dependencias de clon e instalación:

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

Ejecutando la aplicación:
```
npm run build
npm run start
```
Su aplicación ahora debería estar ejecutándose en http: // localhost: 3000. Navegue a esta URL en su navegador para explorar la interfaz de usuario de Lorado.

Actualizar lorado

Detén a Lorado si ya está funcionando
- Ctrl+C para terminar el proceso en el terminal

Actualizar el código y las dependencias:

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

Ejecute la aplicación:
- Ejecute los comandos como se muestra en ejecutar la aplicación arriba

Usando lorado

Paso 1: Comience cargando sus imágenes elegidas.
Paso 2: Deje que la función de detección de la cara de Lorado escanee la imagen.
- Si se detecta una cara, el sistema lo identifica como un punto focal potencial para el cultivo.
- Si no se detecta una cara, evalúe si la imagen es adecuada para sus necesidades.
Paso 3: Agregue los subtítulos a sus imágenes directamente dentro de la aplicación, mejorando el contexto y el significado de cada uno.
Paso 4: Elija su método de cultivo:
- Opta por un cultivo mínimo al encontrar la resolución de mejor ajuste basada en la relación de aspecto original, al tiempo que considera el punto focal detectado.
- O, genere 9 cultivos compatibles con 9 SDXL (3 SD-1.5 respectivamente) para cada imagen.
Paso 5: con un solo clic en "Preparar", transforme sus imágenes curadas en un conjunto de datos, compatible con Kohya_SS.
Paso 6: Navegue a la carpeta de entrenamiento:
- Cada conjunto de datos aquí viene con su propio archivo config.json .
- Estas configuraciones están preparadas para la integración en kohya_ss.

Cómo funciona Lorado

En el corazón de Lorado está la intención de simplificar el complejo.

Optimización de imágenes: comenzar con cualquier imagen. Lorado lo cultiva inteligentemente para que se ajuste a la resolución SDXL ideal. Para las imágenes con caras, se convierten en el punto focal, asegurando el mejor resultado visual. Sin cara? No se preocupe, lo cultivamos perfectamente.
Resoluciones múltiples: más allá del valor predeterminado, tiene la opción de generar imágenes en las 9 resoluciones SDXL, como un intento de aumentar la flexibilidad sin comprometer la calidad.
Configuración Hecha fácil: Lorado genera un archivo de configuración adaptado para KOHYA_SS. Una vez que se establece su proyecto, integrarlo con Kohya_SS es muy fácil. Simplemente cargue la configuración en la pestaña Lora, y estará listo para comenzar a entrenar. Y si lo desea, Kohya_SS ofrece más opciones de configuración granular.

Si bien nuestro enfoque se guía por una fuerte opinión sobre la usabilidad, todavía deja espacio para la personalización. A medida que evolucionamos, espere una mejor configurabilidad. Pero tenga la seguridad de que la simplicidad siempre será nuestra estrella guía, asegurando que interactuar con Lorado permanezca intuitivo.

Imágenes de ejemplo a través de @anamnesis33

Imagen	Enlace
	https://unsplash.com/photos/mqcykihgfao
	https://unsplash.com/photos/06tuqm7rsp4
	https://unsplash.com/photos/aujhl146mby
	https://unsplash.com/photos/8owttyqn47i

Esta herramienta proporciona una configuración y un enfoque obstinados para capacitar a Loras flexibles. Estamos investigando constantemente para mejorar la configuración predeterminada proporcionada por esta herramienta. La configuración avanzada (detallada) se planifica para futuras versiones.

Ejemplos de generación

Estos ejemplos se generaron a partir de un Lora, entrenados en un conjunto de datos que se preparó con esta herramienta/enfoque

Comentarios y soporte: ¿ encontró un problema o tiene una sugerencia? Únase a nuestra comunidad de Discord o abra un problema en GitHub. ¡Nos encantaría saber de ti!