Qwen Sex, Nudes, Other Fun Stuff (SNOFS)

版本 1.1：

重大更新，使用更低的学习率进行训练，以获得更好的细节表现，并增加了部分新图像。快来试试吧！

注意：虽然你可以搭配闪电 LoRA 使用，但请注意这并不会带来最佳效果。它非常适合测试提示词，但往往会扭曲解剖结构并降低多样性。

版本 1：

上个周末我外出不在家，于是我让我的 5090 持续运行，基于约 5,000 条手动修正的标题，对精选的涉及性行为、裸体及其他有趣内容的图像（已手动去除水印）训练了一个 LoKR 模型，专用于 Qwen。我没想到它会这么快就达到如此好的效果，因此又多训练了几晚。我后续还会继续训练，但目前它已经足够优秀，可以拿来玩了。

它可以生成基础的性姿势、口交、射精、自拍、假阴茎、带字幕的 Snapchat 自拍等。女性生殖器的表现仍不稳定，男性生殖器则还不错。由于这是一个 LoKR 模型，且训练了大量图像，它的适应性极强，能与其它 LoRA 模型完美结合，保持高度相似。

注意：有时即使你明确指定了性姿势，它仍可能生成错误的姿势，我不清楚原因，因为所有标题都没有错误。随着更多训练，这种情况可能会改善。

我使用了 Musubi Tuner，训练 LoKR 的过程相当艰难。我不得不使用另一个 Lycoris 库（我记得在 GitHub 的 Issues 里有相关讨论），但也许现在主库已经支持 Qwen 了。以下是我的训练设置，注意我逐步降低了学习率，并且一开始使用了 sigmoid 时间步采样。我分别在 640x640 和 1328x1328 的图像块上进行训练：

accelerate launch --num_cpu_threads_per_process 1 --mixed_precision bf16 src\musubi_tuner\qwen_image_train_network.py \

--dit Q:\AI\Models\DiffusionModels\qwen_image_bf16.safetensors \

--vae Q:\AI\Models\VAE\qwen_vae_for_training.safetensors \

--text_encoder Q:\AI\Models\CLIP\qwen_2.5_vl_7b.safetensors \

--dataset_config S:\AI\Musubi\datasetWoman.toml \

--sdpa --mixed_precision bf16 \

--gradient_accumulation_steps 4 \

--timestep_sampling qinglong_qwen \

--optimizer_type adamw8bit \

--learning_rate 3e-4 --lr_scheduler linear --lr_scheduler_min_lr_ratio=1e-5 --lr_warmup_steps 150 \

--blocks_to_swap 25 \

--gradient_checkpointing --gradient_checkpointing_cpu_offload --max_data_loader_n_workers 2 --persistent_data_loader_workers \

--network_module lycoris.kohya \

--network_args "algo=lokr" "factor=10" "bypass_mode=False" "use_fnmatch=True" "target_module=Linear" \

"target_name=unet.transformer_blocks.*.attn.to_q" \

"target_name=unet.transformer_blocks.*.attn.to_k" \

"target_name=unet.transformer_blocks.*.attn.to_v" \

"target_name=unet.transformer_blocks.*.attn.to_out.0" \

"target_name=unet.transformer_blocks.*.attn.add_q_proj" \

"target_name=unet.transformer_blocks.*.attn.add_k_proj" \

"target_name=unet.transformer_blocks.*.attn.add_v_proj" \

"target_name=unet.transformer_blocks.*.attn.to_add_out" \

"target_name=unet.transformer_blocks.*.img_mlp.net.0.proj" \

"target_name=unet.transformer_blocks.*.img_mlp.net.2" \

--network_dim 1000000000 \

--save_every_n_steps 250 --max_train_epochs 10 --logging_dir=logs \

--output_dir Q:/AI/Models/Trained/Loras/Musubi/QwenWoman --output_name WomanGirls