Téléchargement LoRAdo - Téléchargement du code source LoRAdo

LoRAdo

Code Source AI

1.0.0

Télécharger

Lorado

Préparer des ensembles de données pour Kohya_SS (une interface utilisateur pour https://github.com/kohya-ss/sd-scripts.)

Nous prévoyons d'intégrer la formation directement dans cet outil

Introduction
Pourquoi?
Captures d'écran
Caractéristiques
Commencer avec Lorado
Mettre à jour Lorado
Utilisation de Lorado
Comment fonctionne Lorado
Exemples de génération

Introduction

Bienvenue à Lorado. Cette boîte à outils est conçue pour rationaliser le processus de génération d'images Loras. Convient aux débutants et aux développeurs expérimentés, il simplifie la création de données de données. Initialement conçu avec des portraits à l'esprit, Lorado est adaptable et fonctionne bien pour divers sujets. Les caractéristiques clés incluent la détection du visage et les outils de recadrage conviviaux, assurant un équilibre pratique entre l'expérience utilisateur et les résultats.

Avec Lorado, la création d'ensembles de données pour la formation d'image est simple et efficace.

Pourquoi?

Nous voulions fournir un moyen facile de former des loras pour différents cas d'utilisation. Au cours de la recherche, nous avons décidé de construire quelques petites fonctions auxiliaires pour nous aider à rassembler des images et à les recadrer ainsi qu'à créer des fichiers de légende. Cette interface utilisateur offre un moyen facile de créer des loras sans y réfléchir.

Captures d'écran

L'interface utilisateur	Afficher et configurer les images
Vue du projet	Le dossier préparé

Caractéristiques

Création d'ensemble de données
Outils de sous-titrage
Créer et modifier des projets
Prise en charge de SDXL et SD-1.5
Réglage de la résolution SDXL ou SD-1.5
Plusieurs résolutions d'image
Kohya_SS (UI) Créateur de configuration
Outils d'image de régularisation (WIP)

Commencer avec Lorado

Prérequis:
- Assurez-vous que node.js (v18.5.0) est installé. Sinon, vous pouvez le télécharger à partir du site officiel de Node.js. (Utilisez un gestionnaire de version de nœud) pour passer rapidement à une version différente.
- Il y a un problème ouvert avec TensorFlow. Veuillez vous assurer d'installer V18 (pas ci-dessus). La version recommandée peut être trouvée dans .nvmrc
- S'il y a un problème avec TensorFlow, veuillez vérifier ce problème

Dépend des clones et installer:

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

Exécution de l'application:
```
npm run build
npm run start
```
Votre application devrait maintenant fonctionner sur http: // localhost: 3000. Accédez à cette URL de votre navigateur pour explorer l'interface utilisateur de Lorado.

Mettre à jour Lorado

Arrêtez Lorado s'il fonctionne déjà
- Ctrl + C pour terminer le processus dans le terminal

Mettez à jour le code et les dépendances:

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

Exécutez l'application:
- Exécutez les commandes comme indiqué sous l'exécution de l'application ci-dessus

Utilisation de Lorado

Étape 1: Commencez par télécharger votre ou vos images choisies.
Étape 2: Laissez la fonction de détection de visage de Lorado Scannez l'image.
- Si un visage est détecté, le système l'identifie comme un point focal potentiel pour la culture.
- Si aucun visage n'est détecté, évaluez si l'image convient à vos besoins.
Étape 3: Ajoutez des légendes à vos images directement dans l'application, en améliorant le contexte et la signification de chacun.
Étape 4: Choisissez votre méthode de recadrage:
- Optez pour une culture minimale en trouvant la résolution la plus ajustée en fonction du rapport d'aspect d'origine, tout en considérant le point focal détecté.
- Ou, générez 9 cultures compatibles SDXL (3 SD-1.5) pour chaque image.
Étape 5: En un seul clic sur "Préparer", transformez vos images organisées en un ensemble de données, compatibles en kohya_ss.
Étape 6: Accédez au dossier de formation:
- Chaque ensemble de données ici est livré avec son propre fichier config.json .
- Ces configurations sont amorcées pour l'intégration dans Kohya_SS.

Comment fonctionne Lorado

Au cœur de Lorado se trouve l'intention de simplifier le complexe.

Optimisation d'image: commencez par n'importe quelle image. Lorado le culte intelligemment pour s'adapter à la résolution SDXL idéale. Pour les images avec des visages, ils deviennent le point focal, garantissant le meilleur résultat visuel. Sans visage? Pas de soucis, nous le croppons parfaitement.
Résolutions multiples: Au-delà de la valeur par défaut, vous avez la possibilité de générer des images dans les 9 résolutions SDXL, afin d'augmenter la flexibilité sans compromettre la qualité.
Configuration facilitée: Lorado génère un fichier de configuration adapté à Kohya_SS. Une fois votre projet défini, l'intégrer à Kohya_SS est un jeu d'enfant. Chargez simplement la configuration sous l'onglet Lora, et vous êtes prêt à commencer la formation. Et si vous le souhaitez, Kohya_SS propose des options de configuration plus granulaires.

Bien que notre approche soit guidée par une opinion forte sur la convivialité, elle laisse toujours la place à la personnalisation. Au fur et à mesure que nous évoluons, attendez-vous à une configurabilité améliorée. Mais rassurez-vous, la simplicité sera toujours notre étoile directrice, garantissant que l'interaction avec Lorado reste intuitive.

Exemple d'images via @ anamnesis33

Image	Lien
	https://unsplash.com/photos/mqcykihgfao
	https://unsplash.com/photos/06TUQM7RSP4
	https://unsplash.com/photos/aujhl146mby
	https://unsplash.com/photos/8owttyqn47i

Cet outil fournit une configuration et une approche d'opinion pour la formation de Loras flexibles. Nous recherchons constamment pour améliorer les paramètres par défaut fournis par cet outil. Une configuration avancée (détaillée) est prévue pour les versions futures.

Exemples de génération

Ces exemples ont été générés à partir d'une LORA, formée sur un ensemble de données préparé avec cet outil / approche

Commentaires et soutien: rencontré un problème ou avez-vous une suggestion? Rejoignez notre communauté Discord ou ouvrez un problème sur GitHub. Nous serions ravis de vous entendre!