lora concepts template
1.0.0
Il s'agit d'un modèle qui peut être utilisé pour la formation de plusieurs concepts et des images de régularisation pour les modèles LORA (Adaptation de faible rang).
Lora: https://github.com/cloneofsimo/lora
Basé sur des scripts de formation par Kohya-SS SD-Scripts
| Annuaire | Description |
|---|---|
image_dir | Contient toutes les images d'entrée et les fichiers de sous-titrage, préfixés par le nombre total d'époque par image |
reg_dir | Contient toutes les images de régularisation par concept, préfixées par le nombre total de répétitions par image de registre |
log | Records de chaque journal de formation |
output | la sortie finale binaire (safesensor, pt, etc.) |
config_v1_example.json | la configuration de la session de formation (renommer ce que vous voulez) |
Équilibrez les ensembles de données afin que les dossiers conceptuels indiquent le nombre de fois où ils doivent être répétés pendant la formation.
Par exemple, disons que vous avez quatre concepts et que chacun d'entre eux a 14 images par concept, à l'exception de l'un, qui en a 28 .
Pour équilibrer cela pour des étapes de formation par concept par époque 5200 , vous divisez les répétitions par la quantité totale d'images par concept:
5200 / 14 = 371 5200 / 28 = 186
Dans l'exemple, le nom des répertoires de concept serait:
L'utilitaire ci-dessous garantira que chaque dossier concept dans le dossier de jeu de données est utilisé également pendant le processus de formation du modèle d'apprentissage automatique Dreambooth, quel que soit le nombre d'images dans chaque dossier:
https://github.com/bmaltais/kohya_ss/blob/cdf84e2f4b65517c396ffb72474616a57bc109b6/library/dataset_baliance_gui.py
