🚀超簡單!一鍵訓練【Flux】模型,新手也能打造個性化AI形象!! #aigc #flux #lora

Hello 大家好 歡迎大家來到歐陽的視頻頻道
前兩天一直在研究flex的lower模型訓練
不得不承認flex的lower模型真的是很穩
所以說這一期歐陽打算跟大家分享一下
超簡單的flexlower模型的訓練流程
不需要本地部署
不需要很高的機器配置
只需要準備好我們的素材就可以了
那麼話不多說
這就開始今天的教程
OK 那麼回來以後
相信大家也猜到了
既然不用本地配置
我們肯定用的是雲端訓練
在數據準備方面
之前我也跟大家分享過
如何訓練自己的lower模型
當時講的是1.5的訓練
但是這個數據準備基本上是一致的
只不過對於flex模型
我們可以將它的分辨率提高到1024
因爲前段時間猴子比較火
這一期歐陽也想着用一些復古的風格
我們以1961版動畫片的大鬧天宮
當中的這些猴子的素材
來進行本次lower的訓練
可以看到這裏我進行了一些截屏
所有的數據大概整理了有六七十張
但是我只挑出來50張
對於flex的微調模型
我們最少準備20張也就可以了
當然如果想更精緻更精確
或者是更豐富一些
我們可以準備的多一些
那麼當有了這些視頻截圖以後
我還是按之前的方式進行了預處理
預處理我在往期視頻也提過
大家如果對這個流程還不熟悉
也可以仔細去看一下
對於這次訓練
我分別分了三個分辨率的桶
第一個是512
由於我們高清修復的版本
即便是高清修復了
它的分辨率也不是特別高
所以經過裁剪以後
我最多也給到它512比較合適
當然如果我們的圖像分辨率比較高
精度比較高的話
可以把我們的桶分的大一點
比如說1比1的桶
可以分到768或者是1024
我這裏只給了512
之後豎平的桶
可以看到是512的768
這邊橫平的自然是768的512
這樣我們一共涉及到了兩個分辨率
一個是768一個是512
當然預處理過程還是要有的
比如說我們進行一些高清修復
又或者是進行一些銳化處理
這個我們之前也講過
這一期我也簡單的
將這些圖像進行了一個高清修復
就是直接丟到我們CompuEye裏面
直接使用我們使用模型放大的節點
加載一個銳化模型
我直接給它放大成4倍
之後我們再進PS進行裁剪
對於批量加載
這邊我們可以直接給一個
Inspire的加載路徑
以路徑的方式加載圖像
同時這邊我們保存了
可以使用Layer Style的
Seal Image這麼個節點
自然也可以選擇保存位置
這樣的話我們可以批量處理一個文件夾
之後纔給到我們PS進行處理
OK PS處理完以後
我們統一導出
就分成了三個不同的文件夾
那麼分別我放在了
1比1 3比4
以及4比3的
三個不一樣的文件夾
那麼素材全部準備就緒以後
就可以來到我們的一個線上平臺
當然這個平臺我相信大家也知道了
現在只要是做AI繪畫的朋友們
相信大家都已經聽過它的大名了
不管說我們找什麼樣的模型
使用在線生存資源
又或者是進行一些簡單的訓練
都可以在LibriVo上完成
同時LibriVo旗下也有很多的國內作者
爲我們提供了很多優秀的獨家模型
方便我們下載使用
這個網站我們之前也說過兩三次了
OK 來到LibriVo以後
我們可以看到左邊自然有一個
LoRa訓練
新增了一個F.1的訓練功能
那麼這就是VLUX的模型訓練功能
點擊進訓練頁面以後
我們可以看到上方設置
自動選擇的就是F1
所以我們想要訓練VLUX
一定要選擇這樣一個選項
然後這邊自然可以選擇
我們的筆模是開發者版
訓練次數和輪次
這個就和我們之前所訓練的
LoRa是一樣的
那比較省心的
就是我們在這個地方訓練
不需要調整任何參數
所有的專業參數
我們在這邊可以看到
全部使用默認的就可以
對於我們新人來說
這所有的參數設置
基本都是標準的設置
我們可以大概看一下
單張訓練次數和輪數
這個就是我們對於圖片的
訓練的步數的控制
分辨率根據我們圖片
而自動調整
至於保存可以看到
是每輪保存一個
這個我們也可以默認
那學習率也是默認
一一復四
也是我們通用的
這麼一個默認學習率
之後下面的優化器
學習調度器
其實都已經是默認選好的
我們不需要改任何一個參數
就可以直接開始上傳素材了
之後我們點擊上傳圖像
把我們所有的訓練集
比如說1比1的
我們先全部上傳上來
之後我們繼續添加圖片
把我們3比4的豎屏的
也全部上傳上來
因爲我們之前做好了
裁剪工作了
所以這裏就不需要
做任何的裁剪
那在下方的預處理這裏
我們可以先把裁剪關掉
因爲這個是自動裁剪
所以說不一定能
對到我們的主體
如果是畫風的還好
對於有主要角色的數據集
我們最好還是自己手動裁剪
所以在這個地方
我們只需要做一個
簡單的打標
那在打標這個選項裏
我們可以看到
有幾種不同模型的打標
那第一種是我們提詞反推
也就是Stable Decision
Web UI當中的
它用的是自然語言
那麼第二個
有點類似於W1.4的反推類型
它默認的是Tidy語言
而這一次我們來使用這個Lava
上一次我們講
這個GPT部署的時候
也講過關於
奧拉馬的大模型的問題
奧拉馬當中
只要具有Version
也就是圖形識別功能的
這個模型前面
會有這樣一個前綴
所以它是奧拉馬當中的
一個打折方式
那這裏預置
我們可以先試一下默認的
也可以把它稍微調低一點
先打一遍看看
這個是很快的
不着急
那後面我們給一個出發詞
比如說我們這是96吧
61吧
我們可以不叫孫悟空
也不叫悟空
我們叫大聖吧
大聖下滑線1961
對吧
這就是我們這個Lava的出發詞
也相當於我們Lava的名稱
之後我們直接點擊
裁減打標
那這個時候它就會進行
圖片的自動打標處理
當打標完成以後
我們可以看到每張圖片
下面就多出了一行提示詞
我們可以點擊圖片
來查看右方的提示詞是什麼
在這裏
它會描述我們爲一個動漫角色
也有的地方會描述
我們成爲一個卡通的猴子
Monkey對吧
因爲它們的詞並不統一
所以我們在這裏給它加一個
統一的提示詞
這叫卡通的猴子
它這樣更明確一點點
我們複製提示詞
粘貼到下面以後
添加到首行
或者是尾行也可以
這樣的話
如果沒有猴子這個關鍵詞的圖像
就會添加到這個關鍵詞了
對吧
那還有一點
我們可以看到它識別出來的是
有一些會有面具
可以看到這邊有個
Before Mask
也就是說這個角色戴着面具
這是它識別的
也不能說錯誤
它可能感覺像京劇臉譜一樣
對不對
像是戴了一個臉譜
所以說它會這麼描述
那如果更精細的
我們調整一下
我感覺可以把它的方向
給的更準確一點
就是京劇臉譜
同樣我們把它複製一下
粘貼到我們下面來
這裏我們把它放到尾行
這樣的話
也算是給了它一個分類
我們這個角色
它本身也算是一個
有中國這種戲曲特色的
一個裝扮裝容
所以說可以加這麼一個分類
我覺得也不爲過
那這樣的話
我們每一張圖像
就加上了
我們想要的提示詞
首先強調它是猴子
如果你沒有說
我下面會補一句
對吧
那麼之後強調一個分類
就是京劇臉譜的一個分類
OK
那麼到這裏
我們的圖像一處理
就基本全部處理完成了
最後我們要調整
就是左邊的這麼一個參數
這樣我們可以看到
單張圖像是24
循環是5次
所以說一張圖片
它會訓練100次
對吧
那麼我們總共上傳了
多少張圖像
可以看到一共49張
所以說我們的總訓練部署
就是4900部
在這裏我們是可以看到
這個總訓練部署的
那對於Flex的Laura
最近大家在不斷的試驗
不管是本地部署的訓練
還是雲端訓練
Laura的部署
如果是我們保持
默認參數的情況下
同時30張圖片以上的話
那4000到6000的部署
是可以的
當我們圖片很多的話
我們就可以適當的
降低一下單張次數
因爲圖片多了
它的總部署是不是就不很多
所以綜合下來以後
還是要彈性的
根據我們圖片的多少
來估計我們的總部署
方向這裏給一個保險的部署
就是五六千
如果你的圖片很多
最多也不要超過12000
因爲可能過了12000以後
它一個是訓練的速度
會特別特別的慢了
第二個它可能在訓練當中
會有一點點小問題
當然有人過了12000
也沒有什麼太大的問題
儘量是控制在6000到12000
所以現在我們的部署是可以的
如果想讓它樣本更多的
我們可以再讓它多訓練一輪
這樣的話
我們的總部署就達到了5800
在6000左右了
對不對
OK
最後我們給它一個提示詞
我們直接複製一個
放到我們這邊的預覽
也就是說我們在訓練很多輪
每一輪它都會預覽一次效果
所以說預覽的提示詞
就是這樣一個提示詞
OK
之後我們直接點擊右上角的
開始訓練
就可以開啓我們的
flex模型的loa訓練
現在我們可以看到
loa模型訓練還是比較火爆的
我們前面一共排了25位選手
都在排隊等候訓練
那麼這裏稍等一段時間
等訓練完成我們再回來
OK
經過了將近半個多小時的排隊
以及半個多小時的訓練
我們的這樣一個loa模型
已經訓練完成
現在可以看一下
我們每一輪的訓練結果
它已經爲我們出了這樣一個效果了
我們大體來分辨一下
我們可以點擊實時樣圖
右上角全部預覽
第一章是沒有經過任何訓練的
第二章是我們第一輪的
然後第三章
第四章
第五章
第六章
第七輪
所以我們可以看到
整個的一個訓練過程
從剛開始的還不是特別穩定
到了中間第三輪
以及第四輪的效果
會比較穩定一些
色彩以及姿勢
以及穿着是吧
都沒有特別大的變化
而到了第六輪和第七輪
就會有一些擬合
身體就會有一些變形
以及後面它的手部
也會有一些可能理解錯誤
我們可以把它視爲稍微有些擬合
最好的是第三輪和第四輪兩個
之後我們就可以把這些模型
下載到我們本地來進行一個實驗了
當然如果本地有些朋友
還是跑不太明白Flex的話
我們也可以線上直接進行測試
模型生圖測試
對吧
這邊模型我們默認用的
就是Flex開發者版本
正面提示詞
我們先把我們這個出發詞加進來
之後我們來翻一段
還是之前我們用的一個卡通的猴子
開心的看着手中的桃子
坐在瀑布下面的一個石頭上
身邊的溪水緩緩流過
水中有魚在遊動
這樣我們描述的全一點
接下來我們稍微把它的寬高比改一下
數量我們給兩張
最重要的我們把模型加進來
在模型後面找到我的訓練
這裏邊的Laura有一個我的訓練組
就可以看到我們之前所訓練的
這保存的模型了
這裏我們先用一下第三批詞
那模型強度我們默認先給它0.8
我們現在來生成
來看一下效果
OK可以看到我們這兩張圖像
還原度還是挺高的
有瀑布有小魚
只不過這個魚沒在水裏
這兩張對於猴子的面部
我覺得還原度挺好
就是手可能有點出來了
我們給了0.8
其實可以再降低一些
就可以把它的風格
再往插畫方面融一融
之後我們換下一個模型再測試一下
脫離一下我們之前的原素材
比如說這裏我不讓它
坐在瀑布下了
我們再看一下
讓它拿着棍子走在美國街道
畫風我們給一個美漫的
看看脫離原始素材
它有沒有偏離太多
或者有沒有崩壞的現象
OK可以看到整個的融合度
和畫風還原還是不錯的
還是可以的
這邊還多了一個什麼
貓和老鼠嗎
有一些這種復古的感覺
就是這麼幾輪的訓練
出來的整個的效果
其實是比較穩定的
起碼人物的面部和整體造型
它的變化不是特別的大
基本上沒有什麼變化
之後我們只需要進行其他的調整
風格的調整也好
權重的調整也好
就可以調整出來
我們自己想要的一個圖像
之後的生圖工作就比較簡單了
但是之後如果要嚴謹一些
對於laura的模型的挑選
這就需要我們去進行
宏觀的調整和測試
也就自然說到了
模型訓練過後的
XY圖的一個測試對比了
這部分教程之前
我也在laura訓練的部分
跟大家分享過
有興趣的朋友可以回頭看一下
我之前的教學
因爲之前是1.5的工作流
如果對於flex工作流
不會舉一反三來運用的話
大家可以積極的在留言區
去提出這樣的需求
有需要的話
之後我想可以跟大家分享一下
如何使用impact節點
進行不同題詞的
laura xy圖的測試
這麼憋嘴了
ok
最後我們可以回到首頁了
還是來到訓練頁面
找到訓練管理
選擇我們想要的模型
進行下載就ok了
這樣我們就可以下到本地
來進行測試了
那麼這就這一期
對於我們新手小白來說
如果之後大家有對於訓練
更專業以及更深入的需求
我們可以後面再去拓展的講一下
最近大家常用的AI toolkit
這樣一個本地部署的訓練項目
等等的本地單獨
來進行laura模型的
細緻的調整訓練
以及參數的詳細的設置
這就是一些高級的
進階內容部分了
ok
那麼希望這一期內容
能讓沒有接觸過
laura訓練的新手朋友們
快速的上手訓練一個
屬於自己的flex laura模型
最後我也會把Liblib的網站
放到評論區下方
大家有需要
可以直接到Liblib
進行自己的線上訓練了
那麼這期我們就到這裏
如果本期內容
對你還有所幫助的話
就千萬不要忘了
點擊系列按鍵
來支持歐陽一線線了
如果對AI技術領域感興趣的話
也不要忘了關注歐陽一波了
未來我們一起探討
一起學習
一同成長
那我們下期再見了