LoRAdo下载 - LoRAdo源代码下载

下载

洛拉多

为KOHYA_SS准备数据集（https://github.com/kohya-ss/sd-scripts的UI。

我们计划将培训直接集成到此工具中

欢迎来到洛拉多。该工具包旨在简化Loras图像生成的过程。它适用于初学者和经验丰富的开发人员，它简化了数据集创建。洛拉多（Lorado）最初是考虑到肖像的设计，非常适合各种主题。关键功能包括面部检测和用户友好的裁剪工具，以确保用户体验和结果之间的实际平衡。

使用Lorado，创建用于图像训练的数据集是直接有效的。

我们想提供一种简单的方法来训练洛拉斯为不同的用例训练。在研究期间，我们决定构建一些小型助手功能，以帮助我们收集图像并裁剪图像以及创建字幕文件。该UI提供了一种简便的方法来创建Loras而不过度思考。

用户界面	查看和配置图像
项目视图	准备好的文件夹

先决条件：
- 确保已安装了node.js (v18.5.0) 。如果没有，您可以从Node.js官方网站下载它。（使用节点版管理器）快速切换到其他版本。
- TensorFlow有一个空旷的问题。请确保安装V18（不上述）。推荐版本可以在.nvmrc中找到
- 如果TensorFlow有问题，请检查此问题

克隆并安装依赖项：

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

运行该应用程序：
```
npm run build
npm run start
```
您的应用现在应该在http：// localhost：3000上运行。导航到浏览器中的此URL探索Lorado UI。

更新代码和依赖项：

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

步骤1：首先上传您所选的图像。
步骤2：让洛拉多的面部检测功能扫描图像。
- 如果检测到面部，该系统将其视为裁剪的潜在焦点。
- 如果未检测到面部，请评估图像是否适合您的需求。
步骤3：将字幕直接添加到应用程序中的图像，增强每个图像的上下文和含义。
步骤4：选择您的裁剪方法：
- 通过根据原始纵横比找到最合适的分辨率来选择最小的种植，同时仍考虑检测到的焦点。
- 或者，为每个图像生成9个SDXL（分别为3 SD-1.5）。
步骤5：单击“准备”，将策划的图像转换为与Kohya_ss兼容的数据集。
步骤6：导航到培训文件夹：
- 这里的每个数据集都带有其自己的config.json文件。
- 这些配置已启动以集成到kohya_ss中。

洛拉多的核心是简化复合物的目的。

图像优化：从任何图像开始。 Lorado巧妙地播种以适合理想的SDXL分辨率。对于带有面部的图像，它们成为焦点，确保最佳视觉结果。没有脸？不用担心，我们完美地将其缩小。
多个分辨率：除默认值之外，您还可以选择在所有9个SDXL分辨率中生成图像，以试图提高灵活性而不损害质量。
配置变得容易： Lorado生成了针对Kohya_ss量身定制的配置文件。设置了项目后，将其与Kohya_ss集成在一起很容易。只需在lora选项卡下加载配置，就可以开始训练。如果您愿意，Kohya_ss提供了更多的颗粒状配置选项。

尽管我们的方法以对可用性的强烈看法为指导，但它仍然为定制提供了空间。随着我们的发展，期望增强的可配置性。但是请放心，简单将永远是我们的指导明星，以确保与洛拉多的互动保持直觉。

通过 @Anamnesis33的示例图像

图像	关联
	https://unsplash.com/photos/mqcykihgfao
	https://unsplash.com/photos/06tuqm7rsp4
	https://unsplash.com/photos/aujhl146mby
	https://unsplash.com/photos/8owttyqn47i