Beranda>Terkait pemrograman>Kode sumber lainnya
Unduh
fluxgym

Gim Fluks

UI web sederhana untuk melatih FLUX LoRA dengan dukungan VRAM RENDAH (12GB/16GB/20GB).

  • Frontend: WebUI bercabang dari AI-Toolkit (Gradio UI dibuat oleh https://x.com/multimodalart)
  • Backend: Skrip Pelatihan didukung oleh Kohya Scripts

FluxGym mendukung 100% fitur skrip sd Kohya melalui tab Tingkat Lanjut, yang disembunyikan secara default.

tangkapan layar.png

Apa ini?

  1. Saya menginginkan UI super sederhana untuk melatih Flux LoRA
  2. Proyek AI-Toolkit sangat bagus, dan kontribusi gradio UI dari @multimodalart sempurna, tetapi proyek ini hanya berfungsi untuk VRAM 24GB.
  3. Skrip Kohya sangat fleksibel dan kuat untuk melatih FLUX, tetapi Anda harus menjalankannya di terminal.
  4. Bagaimana jika Anda bisa mendapatkan kesederhanaan AI-Toolkit WebUI dan fleksibilitas Kohya Scripts?
  5. Flux Gym lahir. Mendukung VRAM 12GB, 16GB, 20GB, dan dapat diperluas karena menggunakan Skrip Kohya di bawahnya.

Berita

  • 25 September: Dukungan Docker + Unduh Otomatis Model (Tidak perlu mengunduh model secara manual saat pengaturan) + Mendukung model dasar khusus (bukan hanya flux-dev tetapi apa pun, hanya perlu disertakan dalam file models.yaml.
  • 16 September: Menambahkan "Publikasikan ke Huggingface" + 100% dukungan fitur skrip sd Kohya: https://x.com/cocktailpeanut/status/1835719701172756592
  • 11 September: Pembuatan Gambar Sampel Otomatis + Resolusi Kustom: https://x.com/cocktailpeanut/status/1833881392482066638

Model yang Didukung

  1. Fluks1-dev
  2. Flux1-dev2pro (seperti yang dijelaskan di sini: https://medium.com/@zhiwangshi28/why-flux-lora-so-hard-to-train-and-how-to-overcome-it-a0c70bc59eaf)
  3. Flux1-schnell (Tidak bisa mendapatkan hasil berkualitas tinggi, jadi tidak terlalu direkomendasikan, tapi jangan ragu untuk bereksperimen dengannya)
  4. Lagi?

Model diunduh secara otomatis saat Anda memulai pelatihan dengan model yang dipilih.

Anda dapat dengan mudah menambahkan lebih banyak ke daftar model yang didukung dengan mengedit file models.yaml. Jika Anda ingin berbagi beberapa model dasar yang menarik, silakan kirimkan PR.

Bagaimana orang menggunakan Fluxgym

Berikut adalah orang-orang yang menggunakan Fluxgym untuk melatih Lora secara lokal dan berbagi pengalaman mereka:

https://pinokio.computer/item?uri=https://github.com/cocktailpeanut/fluxgym

Info Lebih Lanjut

Untuk mempelajari lebih lanjut, lihat thread X ini: https://x.com/cocktailpeanut/status/1832084951115972653

Memasang

1. Instal Sekali Klik

Anda dapat secara otomatis menginstal dan meluncurkan semuanya secara lokal dengan peluncur 1-klik Pinokio: https://pinokio.computer/item?uri=https://github.com/cocktailpeanut/fluxgym

2. Instal Secara Manual

Klon pertama Fluxgym dan skrip kohya-ss/sd: 

 git clone https://github.com/cocktailpeanut/fluxgym
cd fluxgym
git clone -b sd3 https://github.com/kohya-ss/sd-scripts

Struktur folder Anda akan terlihat seperti ini: 

 /fluxgym
  app.py
  requirements.txt
  /sd-scripts

Sekarang aktifkan venv dari folder root fluxgym :

Jika Anda menggunakan Windows: 

 python -m venv env
envScriptsactivate

Jika Anda menggunakan Linux: 

 python -m venv env
source env/bin/activate

Ini akan membuat folder env tepat di bawah folder fluxgym : 

 /fluxgym
  app.py
  requirements.txt
  /sd-scripts
  /env

Sekarang masuk ke folder sd-scripts dan instal dependensi ke lingkungan yang diaktifkan: 

 cd sd-scripts
pip install -r requirements.txt

Sekarang kembali ke folder root dan instal dependensi aplikasi: 

 cd ..
pip install -r requirements.txt

Terakhir, instal pytorch Nightly: 

 pip install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

Awal

Kembali ke folder root fluxgym , dengan venv diaktifkan, jalankan: 

 python app.py

Pastikan venv diaktifkan sebelum menjalankan python app.py .

Windows: env/Scripts/activate Linux: source env/bin/activate

3. Instal melalui Docker

Klon pertama Fluxgym dan skrip kohya-ss/sd: 

 git clone https://github.com/cocktailpeanut/fluxgym
cd fluxgym
git clone -b sd3 https://github.com/kohya-ss/sd-scripts

Periksa user id dan group id Anda dan ubah jika bukan 1000 melalui environment variables PUID dan PGID . Anda dapat mengetahui apa saja yang ada di linux dengan menjalankan perintah berikut: id

Sekarang buat gambar dan jalankan melalui docker-compose : 

 docker compose up -d --build

Buka browser web dan masuk ke alamat IP komputer/VM: http://localhost:7860

Penggunaan

Penggunaannya cukup mudah:

  1. Masukkan informasi lora
  2. Unggah gambar dan beri keterangan (menggunakan kata pemicu)
  3. Klik "mulai".

Itu saja!

aliran.gif

Konfigurasi

Contoh Gambar

Secara default fluxgym tidak menghasilkan gambar sampel apa pun selama pelatihan.

Namun Anda dapat mengonfigurasi Fluxgym untuk secara otomatis menghasilkan gambar sampel untuk setiap N langkah. Berikut tampilannya:

sampel.png

Untuk mengaktifkannya, cukup setel dua bidang:

  1. Contoh Perintah Gambar: Perintah ini akan digunakan untuk menghasilkan gambar secara otomatis selama pelatihan. Jika Anda ingin lebih dari satu, pisahkan perintah pengajaran dengan baris baru.
  2. Contoh Gambar Setiap N Langkah: Jika "Langkah pelatihan yang diharapkan" adalah 960 dan "Contoh Gambar Setiap N Langkah" adalah 100, gambar akan dihasilkan pada langkah 100, 200, 300, 400, 500, 600, 700, 800, 900, untuk SETIAP perintah.

bidang_sampel.png

Contoh Gambar Tingkat Lanjut

Berkat sintaks bawaan dari kohya/sd-scripts, Anda dapat mengontrol dengan tepat bagaimana gambar sampel dihasilkan selama fase pelatihan:

Katakanlah kata pemicunya adalah orangnya. Biasanya Anda akan mencoba contoh petunjuk seperti: 

 hrld person is riding a bike
hrld person is a body builder
hrld person is a rock star

Namun untuk setiap perintah, Anda dapat menyertakan tanda lanjutan untuk mengontrol sepenuhnya proses pembuatan gambar. Misalnya, flag --d memungkinkan Anda menentukan SEED.

Menentukan seed berarti setiap gambar sampel akan menggunakan seed tersebut, yang berarti Anda benar-benar dapat melihat LoRA berevolusi. Berikut contoh penggunaannya: 

 hrld person is riding a bike --d 42
hrld person is a body builder --d 42
hrld person is a rock star --d 42

Berikut tampilannya di UI:

bendera.png

Dan inilah hasilnya:

benih.gif

Selain flag --d , berikut flag lain yang dapat Anda gunakan:

  • --n : Perintah negatif untuk opsi berikutnya.
  • --w : Menentukan lebar gambar yang dihasilkan.
  • --h : Menentukan tinggi gambar yang dihasilkan.
  • --d : Menentukan benih gambar yang dihasilkan.
  • --l : Menentukan skala CFG dari gambar yang dihasilkan.
  • --s : Menentukan jumlah langkah dalam pembangkitan.

Pembobotan cepat seperti ( ) dan [ ] juga berfungsi. (Pelajari lebih lanjut tentang Perhatian/Penekanan)

Menerbitkan ke Huggingface

  1. Dapatkan Token Huggingface Anda dari https://huggingface.co/settings/tokens
  2. Masukkan token di kolom "Huggingface Token" dan klik "Login". Ini akan menyimpan teks token dalam file lokal bernama HF_TOKEN (Semua lokal dan pribadi).
  3. Setelah Anda masuk, Anda akan dapat memilih LoRA terlatih dari dropdown, mengedit namanya jika Anda mau, dan mempublikasikannya ke Huggingface.

terbitkan_to_hf.png

Canggih

Tab lanjutan secara otomatis dibuat dengan mengurai bendera peluncuran yang tersedia untuk skrip kohya sd versi terbaru. Ini berarti Fluxgym adalah UI lengkap untuk menggunakan skrip Kohya.

Secara default, tab lanjutan disembunyikan. Anda dapat mengklik akordeon "lanjutan" untuk memperluasnya.

lanjutan.png

Fitur Lanjutan

Mengunggah File Teks

Anda juga dapat mengupload file caption beserta file gambarnya. Anda hanya perlu mengikuti konvensi:

  1. Setiap file keterangan harus berupa file .txt .
  2. Setiap file keterangan harus memiliki file gambar terkait yang memiliki nama yang sama.
  3. Misalnya, jika Anda memiliki file gambar bernama img0.png , file keterangan yang sesuai harus img0.txt .
Memperluas
Informasi Tambahan
Aplikasi Terkait
Direkomendasikan untuk Anda
Informasi Terkait Semua
Komentar Pengguna