이 버전에 추천되는 강도: 1.0 ~ 1.2

이번에는 단지 700스텝만 진행했습니다. 운이 좋았나 봅니다. 아티스트 이름을 지정하면 그 스타일에 더 맞춰질 것 같지만, 실제로는 시도해보지 않았습니다. 이 버전에서는 음경 크기가 좀 이상한데, 매우 민감해서 너무 커지거나 너무 작아지곤 합니다. 학습 데이터에 잘린 이미지가 원인일 수도 있나요?

1900~2000스텝 정도에서 좋은 결과를 얻었지만, 전체 이미지 스타일에 상당한 영향을 미쳤습니다. 학습 이미지와 태그를 많이 업데이트한 끝에 마침내 원하는 결과를 얻었습니다.

이번에는 KohyaSS를 직접 사용하는 것보다 훨씬 쉬운 LoRA_Easy_Training_Scripts를 사용했습니다. 이미지를 자르고 정렬하기 위해 DatasetProcessorDesktop를, 태그를 관리하기 위해 BooruDatasetTagManager를 사용했습니다.

다음은 학습 TOML 파일입니다:

[[subsets]]
caption_extension = ".txt"
image_dir = "redacted"
name = "aya_shobon"
num_repeats = 1

[[subsets]]
caption_extension = ".txt"
image_dir = "redacted"
name = "canvassolaris"
num_repeats = 2

[[subsets]]
caption_extension = ".txt"
image_dir = "redacted"
name = "elfk"
num_repeats = 1

[[subsets]]
caption_extension = ".txt"
image_dir = "redacted"
name = "manzai_sugar"
num_repeats = 2

[[subsets]]
caption_extension = ".txt"
image_dir = "redacted"
name = "nonorigo"
num_repeats = 1

[[subsets]]
caption_extension = ".txt"
image_dir = "redacted"
name = "stickyspoodge"
num_repeats = 1

[train_mode]
train_mode = "lora"

[general_args.args]
max_data_loader_n_workers = 1
persistent_data_loader_workers = true
pretrained_model_name_or_path = "illustriousXL_v01.safetensors"
vae = "sdxlVAE_sdxlVAE.safetensors"
mixed_precision = "bf16"
gradient_checkpointing = true
gradient_accumulation_steps = 1
seed = 1337
max_token_length = 225
prior_loss_weight = 1.0
xformers = true
cache_latents = true
cache_latents_to_disk = true
sdxl = true
max_train_steps = 2500

[general_args.dataset_args]
resolution = 1024
batch_size = 2

[network_args.args]
network_dim = 32
network_alpha = 32.0
min_timestep = 0
max_timestep = 1000

[optimizer_args.args]
optimizer_type = "Prodigy"
lr_scheduler = "cosine"
loss_type = "l2"
learning_rate = 1.0
max_grad_norm = 1.0
min_snr_gamma = 5

[saving_args.args]
output_dir = "redacted"
save_precision = "fp16"
save_model_as = "safetensors"
save_last_n_epochs = 1
save_every_n_steps = 100
output_name = "detached_foreskin-v4.6"

[noise_args.args]
multires_noise_iterations = 8
multires_noise_discount = 0.4

[bucket_args.dataset_args]
enable_bucket = true
min_bucket_reso = 512
max_bucket_reso = 2048
bucket_reso_steps = 64

[network_args.args.network_args]
conv_dim = 32
conv_alpha = 32.0
algo = "locon"

[optimizer_args.args.optimizer_args]
weight_decay = "0.1"
betas = "0.9, 0.99"
decouple = "True"
d_coef = "1.0"