Flux Nude/NSFW Training Base
详情
下载文件
模型描述
这是我对我的 Fluxxxible 和 Reclining Nude, After Sex LoRA 的两个部分训练快照进行合并的结果,我一直在使用它们来为训练包含更复杂 NSFW 概念的 LoRA 提供起步优势。我分享此合并模型,以帮助加速你的训练过程,并提升女性乳头和生殖器的细节表现。
此 LoRA 不建议单独使用,否则会产生糟糕的手部、奇怪的糖果状乳头及其他瑕疵。这正是设计意图,以便你可通过进一步训练对其进行专业化定制。
如果你使用此基础模型训练任何 LoRA,请告知我,我会将其中部分添加到推荐资源中。
训练
在我的测试中,基于此 LoRA 训练更复杂的 NSFW 概念,大约 500 步即可完成。我偏好使用约 250 张图像的中等规模数据集,但我也成功用仅 20–25 张图像的微型数据集取得了良好效果。
此 LoRA 在 rank 32 下提取,为获得最佳效果,建议在相同 rank 下进行训练。我全面测试了从 8 到 128 的多种 rank,最终发现 rank 32 在保持高质量的同时效果最佳。
我倾向于使用 1024x1280 的图像尺寸进行训练,并在训练前对图像进行预处理,以便采用更优的转换算法。这样在使用 A6000 或 A40 显卡时,可设置批次大小为 6,大多数配置的训练时间少于 6 小时,若使用 RunPod,成本约为 $2–3。
我的超参数设置通常如下:
d_coef: 2
learning_rate: 1.0
learning_scheduler: cosine
max_epochs: 15
network_alpha: 32
network_dim: 32
noise_offset: 0.1
num_cycles: 1
optimizer_type: prodigy
optimizer_args: |
"decouple=True"
"weight_decay=0.1"
"betas=0.9,0.999"
"use_bias_correction=False"
"safeguard_warmup=False"
resume_from: extracted-fluxxible-reclining-60-40.safetensors
save_every_n_steps: 50
sample_every_n_steps: 100
timestep_sampling: shift
weight_decay: 0.1
我的数据集设置通常如下:
{
"datasets": [{
"resolution": 1280,
"enable_bucket": true,
"min_bucket_reso": 768,
"max_bucket_reso": 1280,
"bucket_reso_steps": 256,
"bucket_no_upscale": true,
"batch_size": 6,
"subsets": [...]
}]
}
更多细节即将发布。未来几周我将发布更多基于此基础的 LoRA,并希望在有空时撰写一篇包含更多训练配置的文章。
如果你对改进此流程有任何建议,请告诉我。我已在数周的训练中测试了大量超参数组合,目前这是我发现的最佳组合,但我乐于进一步优化它。
提示词
此 LoRA 的提示词格式基于 Llama/Joy 的标注风格,并对部分词汇进行了屏蔽,如我在其他 LoRA 中的做法。使用包含丰富细节的类似提示词格式可获得最佳效果,但我也曾使用极短提示词(甚至单个关键词)成功训练过 LoRA。
被屏蔽的关键词包括:
4nus代替 anus(肛门)4n4l代替 anal(肛交)4ss代替 butt, buttocks(臀部)br34st代替 breast 和 breasts(乳房)cl1t0r4l代替 clitoral hood(阴蒂包皮)等cl1t0r1s代替 clitoris(阴蒂)d1ld0代替 dildo 和 sex toy(假阴茎和性玩具)n4k3d代替 naked(裸体)n1ppl3代替 nipple 和 nipples(乳头)nud3代替 nude(裸露)0r4l代替 oral(口交)0r4l s3x代替 oral sex(口交)p3n1s代替 penis(阴茎)s3x代替 sex(性)v4g1n4代替 vagina(阴道)




