นี่คือเทมเพลตที่สามารถใช้สำหรับการฝึกอบรมหลายแนวคิดและภาพการทำให้เป็นมาตรฐานสำหรับโมเดล LORA (การปรับตัวต่ำ)
Lora: https://github.com/cloneofsimo/lora
จากสคริปต์การฝึกอบรมโดย Kohya-SS SD-Scripts
| ไดเรกทอรี | คำอธิบาย |
|---|---|
image_dir | มีรูปภาพอินพุตและไฟล์คำบรรยายทั้งหมดนำหน้าด้วยจำนวนทั้งหมดของยุคต่อภาพ |
reg_dir | มีภาพการทำให้เป็นมาตรฐานทั้งหมดตามแนวคิดนำหน้าด้วยจำนวนทั้งหมดของการทำซ้ำต่อภาพ reg |
log | บันทึกของแต่ละบันทึกการฝึกอบรม |
output | ไบนารีเอาท์พุทสุดท้าย (Safesensor, PT, ฯลฯ ) |
config_v1_example.json | การกำหนดค่าสำหรับเซสชันการฝึกอบรม (เปลี่ยนชื่อเป็นสิ่งที่คุณต้องการ) |
สมดุลชุดข้อมูลเพื่อให้โฟลเดอร์แนวคิดระบุจำนวนครั้งที่ควรทำซ้ำในระหว่างการฝึกอบรม
ตัวอย่างเช่นสมมติว่าคุณมีสี่แนวคิดและแต่ละภาพมี 14 ภาพต่อแนวคิดยกเว้นหนึ่งภาพซึ่งมี 28
เพื่อสร้างความสมดุลให้กับขั้นตอนการฝึกอบรมตามแนวคิดต่อ Epoch 5200 คุณจะแบ่งการทำซ้ำด้วยจำนวนภาพทั้งหมดต่อแนวคิด:
5200 / 14 = 371 5200 / 28 = 186
ในตัวอย่างชื่อของไดเรกทอรีแนวคิดจะเป็น:
ยูทิลิตี้ด้านล่างจะทำให้มั่นใจได้ว่าแต่ละโฟลเดอร์แนวคิดในโฟลเดอร์ชุดข้อมูลจะถูกใช้อย่างเท่าเทียมกันในระหว่างกระบวนการฝึกอบรมของโมเดลการเรียนรู้ของเครื่องดรีมบลูทโดยไม่คำนึงถึงจำนวนภาพในแต่ละโฟลเดอร์:
https://github.com/bmaltais/kohya_ss/blob/cdf84e2f4b65517c396ffb72474616a57bc109b6/library/dataset_balancing_gui.py