LoRAdo

Lorado

Siapkan kumpulan data untuk kohya_ss (A UI untuk https://github.com/kohya-ss/sd-scripts.)

Kami berencana untuk mengintegrasikan pelatihan langsung ke dalam alat ini

• Intro
• Mengapa?
• Tangkapan layar
• Fitur
• Memulai dengan Lorado
• Perbarui Lorado
• Menggunakan Lorado
• Bagaimana Lorado bekerja
• Contoh Generasi

Intro

Selamat datang di Lorado. Toolkit ini dirancang untuk merampingkan proses pembuatan gambar Loras. Cocok untuk pemula dan pengembang yang berpengalaman, ini menyederhanakan pembuatan dataset. Awalnya dirancang dengan mempertimbangkan potret, Lorado dapat beradaptasi dan bekerja dengan baik untuk berbagai subjek. Fitur utama termasuk deteksi wajah dan alat tanam yang ramah pengguna, memastikan keseimbangan praktis antara pengalaman pengguna dan hasil.

Dengan Lorado, membuat set data untuk pelatihan gambar sangat mudah dan efisien.

Mengapa?

Kami ingin memberikan cara mudah untuk melatih Loras untuk kasus penggunaan yang berbeda. Selama penelitian, kami memutuskan untuk membangun beberapa fungsi pembantu kecil untuk membantu kami mengumpulkan gambar dan memotongnya serta membuat file teks. UI ini menawarkan cara mudah untuk membuat Loras tanpa terlalu memikirkannya.

Tangkapan layar

Antarmuka pengguna	Lihat dan Konfigurasikan Gambar
Tampilan Proyek	Folder yang disiapkan

Fitur

• Pembuatan dataset
• Alat Keterangan
• Membuat dan mengedit proyek
• Dukungan untuk SDXL dan SD-1.5
• Penyesuaian resolusi SDXL atau SD-1.5
• Beberapa resolusi gambar
• Kohya_ss (ui) config creator
• Alat gambar regularisasi (WIP)

Memulai dengan Lorado

1. Prasyarat:

   • Pastikan Anda menginstal node.js (v18.5.0) . Jika tidak, Anda dapat mengunduhnya dari situs resmi Node.js. (Gunakan manajer versi node) untuk dengan cepat beralih ke versi yang berbeda.
   • Ada masalah terbuka dengan TensorFlow. Pastikan untuk menginstal V18 (bukan di atas). Versi yang disarankan dapat ditemukan di .nvmrc
   • Jika ada masalah dengan TensorFlow, silakan periksa masalah ini

2. Klon dan instal dependensi:

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

3. Menjalankan aplikasi:

   npm run build
   npm run start

   Aplikasi Anda sekarang harus berjalan di http: // localhost: 3000. Arahkan ke URL ini di browser Anda untuk menjelajahi Lorado UI.

Perbarui Lorado

1. Berhenti Lorado jika sudah berjalan

   • Ctrl+C untuk mengakhiri proses di terminal

2. Perbarui kode dan dependensi:

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

3. Jalankan aplikasi:

   • Jalankan perintah seperti yang ditunjukkan dalam menjalankan aplikasi di atas

Menggunakan Lorado

1. Langkah 1: Mulailah dengan mengunggah gambar yang Anda pilih.
2. Langkah 2: Biarkan fitur deteksi wajah Lorado memindai gambar.
   • Jika wajah terdeteksi, sistem mengidentifikasinya sebagai titik fokus potensial untuk pemangkasan.
   • Jika tidak ada wajah yang terdeteksi, evaluasi jika gambar cocok untuk kebutuhan Anda.
3. Langkah 3: Tambahkan teks ke gambar Anda secara langsung di dalam aplikasi, meningkatkan konteks dan makna masing -masing.
4. Langkah 4: Pilih metode tanam Anda:
   • Pilih pemangkasan minimal dengan menemukan resolusi yang paling pas berdasarkan rasio aspek asli, sambil tetap mempertimbangkan titik fokus yang terdeteksi.
   • Atau, menghasilkan 9 SDXL (masing-masing 3 SD-1..5) tanaman yang kompatibel untuk setiap gambar.
5. Langkah 5: Dengan satu klik pada "Persiapkan", ubah gambar Anda yang dikuratori menjadi dataset, kompatibel dengan Kohya_ss.
6. Langkah 6: Navigasikan ke folder pelatihan:
   • Setiap dataset di sini dilengkapi dengan file config.json sendiri.
   • Konfigurasi ini dipersiapkan untuk integrasi ke dalam Kohya_SS.

Bagaimana Lorado bekerja

Di jantung kota Lorado adalah niat untuk menyederhanakan kompleks.

1. Optimalisasi Gambar: Mulailah dengan gambar apa pun. Lorado dengan cerdas memangkasnya agar sesuai dengan resolusi SDXL yang ideal. Untuk gambar dengan wajah, mereka menjadi titik fokus, memastikan hasil visual terbaik. Tanpa wajah? Jangan khawatir, kami central-crop dengan sempurna.

2. Multiple Resolution: Di luar default, Anda memiliki opsi untuk menghasilkan gambar di semua 9 resolusi SDXL, sebagai upaya untuk meningkatkan fleksibilitas tanpa mengurangi kualitas.

3. Konfigurasi Dibuat Mudah: Lorado Menghasilkan file konfigurasi yang disesuaikan untuk Kohya_SS. Setelah proyek Anda diatur, mengintegrasikannya dengan Kohya_SS sangat mudah. Cukup muat konfigurasi di bawah tab Lora, dan Anda siap untuk memulai pelatihan. Dan jika Anda mau, Kohya_SS menawarkan lebih banyak opsi konfigurasi granular.

Sementara pendekatan kami dipandu oleh pendapat yang kuat tentang kegunaan, itu masih menyisakan ruang untuk kustomisasi. Saat kami berevolusi, harapkan konfigurasi yang ditingkatkan. Tetapi yakinlah, kesederhanaan akan selalu menjadi bintang penuntun kami, memastikan bahwa berinteraksi dengan Lorado tetap intuitif.

Contoh gambar melalui @anamnesis33

Gambar	Link
	https://unsplash.com/photos/mqcykihgfao
	https://unsplash.com/photos/06tuqm7rsp4
	https://unsplash.com/photos/aujhl146mby
	https://unsplash.com/photos/8owttyqn47i

Alat ini menyediakan konfigurasi dan pendekatan yang bertentangan untuk melatih Loras yang fleksibel. Kami terus -menerus meneliti untuk meningkatkan pengaturan default yang disediakan oleh alat ini. Konfigurasi lanjutan (terperinci) direncanakan untuk rilis di masa mendatang.

Contoh Generasi

Contoh -contoh ini dihasilkan dari lora, dilatih pada dataset yang disiapkan dengan alat/pendekatan ini

Umpan Balik dan Dukungan: Menemui masalah atau memiliki saran? Bergabunglah dengan komunitas Discord kami atau buka masalah di GitHub. Kami ingin mendengar dari Anda!

Manajer Versi Node

Node.js memiliki daftar opsi instalasi alternatif.

Platform Lintas

• fnm

Windows

• NVM-Windows
• nodist
• NVS

MacOS/Linux

• nvm
• N