LoRAdo下載 - LoRAdo源代碼下載

下載

洛拉多

為KOHYA_SS準備數據集（https://github.com/kohya-ss/sd-scripts的UI。

我們計劃將培訓直接集成到此工具中

歡迎來到洛拉多。該工具包旨在簡化Loras圖像生成的過程。它適用於初學者和經驗豐富的開發人員，它簡化了數據集創建。洛拉多（Lorado）最初是考慮到肖像的設計，非常適合各種主題。關鍵功能包括面部檢測和用戶友好的裁剪工具，以確保用戶體驗和結果之間的實際平衡。

使用Lorado，創建用於圖像訓練的數據集是直接有效的。

我們想提供一種簡單的方法來訓練洛拉斯為不同的用例訓練。在研究期間，我們決定構建一些小型助手功能，以幫助我們收集圖像並裁剪圖像以及創建字幕文件。該UI提供了一種簡便的方法來創建Loras而不過度思考。

使用者介面	查看和配置圖像
項目視圖	準備好的文件夾

先決條件：
- 確保已安裝了node.js (v18.5.0) 。如果沒有，您可以從Node.js官方網站下載它。（使用節點版管理器）快速切換到其他版本。
- TensorFlow有一個空曠的問題。請確保安裝V18（不上述）。推薦版本可以在.nvmrc中找到
- 如果TensorFlow有問題，請檢查此問題

克隆並安裝依賴項：

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

運行該應用程序：
```
npm run build
npm run start
```
您的應用現在應該在http：// localhost：3000上運行。導航到瀏覽器中的此URL探索Lorado UI。

更新代碼和依賴項：

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

步驟1：首先上傳您所選的圖像。
步驟2：讓洛拉多的面部檢測功能掃描圖像。
- 如果檢測到面部，該系統將其視為裁剪的潛在焦點。
- 如果未檢測到面部，請評估圖像是否適合您的需求。
步驟3：將字幕直接添加到應用程序中的圖像，增強每個圖像的上下文和含義。
步驟4：選擇您的裁剪方法：
- 通過根據原始縱橫比找到最合適的分辨率來選擇最小的種植，同時仍考慮檢測到的焦點。
- 或者，為每個圖像生成9個SDXL（分別為3 SD-1.5）。
步驟5：單擊“準備”，將策劃的圖像轉換為與Kohya_ss兼容的數據集。
步驟6：導航到培訓文件夾：
- 這裡的每個數據集都帶有其自己的config.json文件。
- 這些配置已啟動以集成到kohya_ss中。

洛拉多的核心是簡化複合物的目的。

圖像優化：從任何圖像開始。 Lorado巧妙地播種以適合理想的SDXL分辨率。對於帶有面部的圖像，它們成為焦點，確保最佳視覺結果。沒有臉？不用擔心，我們完美地將其縮小。
多個分辨率：除默認值之外，您還可以選擇在所有9個SDXL分辨率中生成圖像，以試圖提高靈活性而不損害質量。
配置變得容易： Lorado生成了針對Kohya_ss量身定制的配置文件。設置了項目後，將其與Kohya_ss集成在一起很容易。只需在lora選項卡下加載配置，就可以開始訓練。如果您願意，Kohya_ss提供了更多的顆粒狀配置選項。

儘管我們的方法以對可用性的強烈看法為指導，但它仍然為定制提供了空間。隨著我們的發展，期望增強的可配置性。但是請放心，簡單將永遠是我們的指導明星，以確保與洛拉多的互動保持直覺。

通過 @Anamnesis33的示例圖像

圖像	關聯
	https://unsplash.com/photos/mqcykihgfao
	https://unsplash.com/photos/06tuqm7rsp4
	https://unsplash.com/photos/aujhl146mby
	https://unsplash.com/photos/8owttyqn47i