Руководство по адаптации для новичков — это простое пошаговое руководство по основным функциям пользовательского интерфейса и организации вкладок в OneTrainer, которое поможет вам сориентироваться в приложении.

 

Руководство по адаптации для новичков

Добро пожаловать в OneTrainer!

OneTrainer (OT) - это универсальное решение для обучения диффузионных моделей.

Это вводная часть для новых пользователей. Это не пошаговое руководство. Вам все равно нужно ознакомиться с пояснениями к вкладкам и подсказками по меткам в графическом интерфейсе.

1. На что я смотрю?

В левом верхнем углу, рядом с логотипом "OneTrainer", вы найдете пустой выпадающий список "настроек" (пресетов). Пресеты действуют как файл сохранения для всех ваших тренировочных пресетов. Они не являются названием вашей модели. Как новичок, выберите одно из значений по умолчанию для модели, которую вы хотите обучить.

Ниже находится панель вкладок, активная вкладка выделена синим цветом. Перейдите на вкладку "Общие" (general).

Каталог Workspace - это место, куда отправляются ваши резервные копии, промежуточные сохранения и другие данные, а конечные выходные данные передаются в модели

Если у вас RTX 4090, рассмотрите возможность увеличения количества потоков загрузки данных до 8 (будьте осторожны, так как слишком высокое значение может вызвать проблемы с видеопамятью).

2. Вкладка "Модель" (Model)

Перейдите на вкладку "Модель" (model) и посмотрите, что находится внутри, пока мы оставим ее по умолчанию. Если вы хотите использовать пользовательскую модель, укажите базовую модель с указанием пути к HF link или локальному каталогу.

Перед обучением вы можете захотеть задать место назначения выходных данных модели. Это будет имя файла для ваших выходных данных, например: models/ModelMyTry1.safetensors

3. Вкладка "Данные" (Data)

Перейдите на вкладку "Данные" и убедитесь, что все настройки включены (они должны быть включены по умолчанию). Как начинающий пользователь, вы хотите, чтобы все эти параметры были включены.

4. Вкладка "Концепции" (Concepts) (она же "Набор данных"(Dataset))

Перейдите на вкладку концепция. Здесь вы можете настроить свой набор данных либо в виде отдельных текстовых файлов, либо в виде названий изображений. Хотя подписи необязательны, они рекомендуются. 90% работы заключается в сборе качественных, разнообразных изображений и создании высококачественных (и разнообразных) подписей.

Вы также можете использовать вкладку "Инструменты" (Tools), чтобы открыть свой набор данных и сгенерировать подписи с помощью автоматических подписей/ тегов, но это выходит за рамки данного руководства.

Нажмите "Добавить концепцию"(add concept), затем "Только что добавленный элемент" (newly added item). Откроется новый режим (окно).

В поле Path укажите путь к вашему набору данных. В Источнике запроса (Prompt Source) укажите, как вы подписывали свои изображения. Как начинающий пользователь, вы должны создавать пары файлов img-txt, для чего установите параметр "Из текстового файла для каждого образца" (From text file per sample) и создайте пары файлов, т.е. 001.jpeg & 001.txt

Для получения дополнительной информации о вариантах концепции посетите специальную страницу Концепция.

Для получения подробной информации о соотношении сторон и компоновке пакетов посетите страницу AR Buckets.

5. Обучение

На вкладке «Тренировка» (training) вы можете настроить параметры тренировки. Позже, когда вы определите свой набор данных, мы рекомендуем придерживаться значений по умолчанию для вашего первоначального запуска. Проверьте эту страницу для получения дополнительной информации.

6. Вкладка «Выборка» (Sampling)

Выборка генерирует изображения с использованием вашей обучаемой модели, что позволяет вам визуально наблюдать за ходом ее работы. Как новичок, вы, возможно, еще не знаете, на что обращать внимание, но это важно использовать.

Дополнительные сведения см. в разделе Выборка

7. Вкладка "Лора" (Lora)

Переходим на вкладку LoRa

LoRA rank: Оставьте значение по умолчанию равным 16 для SD1.5, для SDXL попробуйте 8 или 16, чем больше, тем лучше, более высокие ранги легче перетренировать.

Оставьте значение LoRa alpha по умолчанию равным 1,0, это только увеличит вес модели. Всякий раз, когда вы изменяете его, вы также должны изменять скорость обучения.

8. Обучение (Training)

В правом нижнем углу пользовательского интерфейса есть большое окно «Начать обучение» (Start Training). 

Когда вы определили свои концепции и готовы начать обучение, вы должны сначала щелкнуть по нему, а затем отслеживать обучение с помощью индикатора прогресса обучения в левом нижнем углу пользовательского интерфейса, в интерфейсе командной строки или нажав кнопку Tensorboard.

9. Test the LoRA in inference software

Lastly let’s imagine you have a trained LoRA, you would want to test it. Does it perform as you expect? Congraluations! If not, welcome to the world of machine learning. Its an interative process. Whilst extensive testing is beyond the scope of this guide here is a keyword to search for:

XYZ grid extension (generates grids of images for eval) A111 or SwarmUI

This concludes the very high level overview of OneTrainer. You are now expected to read the individual tab wiki pages to learn more.