OneTrainer

ontrainer

OnEtrainer是滿足所有穩定擴散訓練需求的一站式解決方案。

特徵

• 支持的模型：Flux.1，穩定的擴散1.5、2.0、2.1、3.0、3.5，SDXL，Würstchen-V2，穩定的級聯，Pixart-Alpha，Pixart-Sigma和Inpainting模型
• 模型格式：擴散器和CKPT模型
• 培訓方法：完整的微調，Lora，嵌入
• 掩蓋培訓：讓培訓僅關注樣本的某些部分。
• 自動備份：在培訓期間定期備份培訓進度。這包括所有信息，以無縫繼續培訓。
• 圖像增強：將隨機變換（例如旋轉，亮度，對比度或飽和度）應用於每個圖像樣本，以快速創建一個更多樣化的數據集。
• 張板：一個簡單的張板集成，以跟踪訓練進度。
• 每個圖像的多個提示：每個圖像樣本上的多個不同提示上的模型訓練模型。
• 噪聲調度程序重新縮放：從紙張中，從紙張中，常見的擴散噪聲時間表和样本步驟存在缺陷
• EMA ：培訓您自己的EMA模型。可選地將EMA重量保持在CPU內存中，以減少VRAM使用情況。
• 縱橫比水平：一次自動訓練多個長寬比。只需選擇目標分辨率，即自動創建存儲桶。
• 多分辨率培訓：同時培訓多個決議。
• 數據集工具：使用BLIP，BLIP2和WD-1.4自動為數據集字幕，或使用Clipseg或REMBG創建用於掩蓋訓練的蒙版。
• 模型工具：從簡單的UI轉換不同的模型格式。
• 採樣UI ：在訓練過程中對模型進行採樣，而無需切換到其他應用程序。
• AlignProp ：一種從紙上對齊文本到圖像擴散模型的增強學習方法，並帶有獎勵反向傳播

安裝

安裝OnTrainer需要Python> = 3.10和<3.13。您可以在此處下載python https://www.python.org/downloads/windows/。然後按照以下步驟：

自動安裝

• 克隆存儲庫git clone https://github.com/Nerogar/OneTrainer.git
• 跑步：
  • Windows： install.bat
  • 基於UNIX的系統： install.sh

手動安裝

• 克隆存儲庫git clone https://github.com/Nerogar/OneTrainer.git
• 導航到克隆目錄cd OneTrainer
• 建立虛擬環境python -m venv venv
• 激活新的VENV：
  • Windows： venvscriptsactivate
  • 基於UNIX的系統： source venv/bin/activate
• 安裝需求pip install -r requirements.txt

在某些Linux發行版中，您可能需要安裝libgl，例如在Ubuntu上，您需要運行：

 sudo apt-get update
sudo apt-get install libgl1

更新

自動更新

• 運行update.bat或update.sh

手動更新

• 拉更換git pull
• 激活VENV venvscriptsactivate
• 重新安裝所有要求pip install -r requirements.txt --force-reinstall

用法

要啟動UI，請運行start-ui.bat 。您可以在此處找到快速啟動指南，並在此處找到有關不同主題的更詳細概述。

如果您需要更多的控件，則ONETRAINER支持兩種操作模式。僅命令行和一個UI。所有命令都需要在安裝過程中創建的活動VENV內運行。

所有功能都分為scripts目錄中的不同滾動。目前包括：

• train.py中央培訓腳本
• train_ui.py a UI用於培訓
• caption_ui.py a UI用於手冊或自動字幕和掩蓋訓練的掩蔽創建
• convert_model_ui.py a UI用於模型轉換
• convert_model.py一個實用程序可在不同的模型格式之間轉換
• sample.py
• create_train_files.py僅在CLI訓練時創建所需文件的實用程序
• generate_captions.py一個實用程序可以自動為數據集創建字幕
• generate_masks.py一個實用程序可以自動為數據集創建掩碼
• calculate_loss.py一個實用程序來計算數據集中每個圖像的訓練損失

要了解有關不同參數的更多信息，請執行<script-name> -h 。例如python scriptstrain.py -h

如果您在Mac或Linux上，請閱讀啟動腳本文檔，以獲取有關如何在系統上運行的Entrainer及其各種腳本的詳細信息。

貢獻

始終以任何形式歡迎捐款。您可以打開問題，參與討論，甚至可以打開拉力請求，以尋求新功能或改進的功能。您可以在此處找到更多信息。

在開始查看代碼之前，我建議您在此處閱讀有關項目結構的信息。對於深入討論，您應該考慮加入Discord服務器。

您還需要為當前用戶安裝所需的開發人員依賴項，並通過以下命令（在所有平台上工作； Windows，Linux和Mac）啟用Git Commit Hooks：

pip install -r requirements-dev.txt
pre-commit install

（請務必在不激活您的VENV或CONDA環境的情況下運行這些命令，因為應該在任何環境之外安裝預警。）

現在，您的所有提交都將自動驗證常見錯誤和代碼樣式問題，以便代碼審閱者可以專注於更改的架構，而不會浪費時間在樣式/格式化問題上，從而大大提高了您的拉力請求將毫不費力地接受的機會。

相關項目

• MGD ：Pytorch的自定義數據集實現，該實現圍繞基於節點的圖的想法而構建。
• StableTuner ：穩定擴散的另一項培訓申請。 OnEtrainer從StableTuner那裡汲取了很多靈感，沒有它就不存在。
• 混亂的視覺：機器學習工具的集合，還包括OnEtrainer。