Iori Yoshizuki ( DORA experiment version ) - I''s

새로운 DORA 유형 LORA가 출시되었다는 것을 알고 바로 시도해봤습니다. diag-OFT, IA3 버전, LORA 버전, 또는 LOCON 버전과 비교해보실 수 있습니다. 모두 동일한 데이터셋을 사용하며, 반복 횟수만 조정해 총 약 8 에포크가 되도록 했습니다. 훈련을 마치기 직전에 갑작스런 정전이 발생해 이 모델이 7 에포크에서 끝났다는 걸 믿을 수 있나요? 어쨌든 핵심 내용으로 넘어가겠습니다.

이미지 품질 측면에서 원본 LOCON보다 약간 더 나아 보이지만, 특별히 인상적인 수준은 아닙니다. 저는 이 LORA가 LOCON에 미치는 영향이, LOCON이 LORA에 미치는 영향과 비슷하다고 평가합니다.

장단점 분석은 다음과 같습니다:

장점:

• LOCON보다 약간 적은 스텝 수로도 효과를 볼 수 있음
• LOCON보다 약간 더 나은 품질

단점:

• 훈련 시 VRAM 사용량이 훨씬 많아, 제 카드의 8GB 한계를 초과하여 VRAM 사용량을 줄이기 위해 Gradient checkpointing을 활성화해야 했고, 그로 인해 속도가 느려졌습니다.
• Gradient checkpointing을 사용하면 한 번의 반복에 걸리는 시간이 일반 LOCON의 약 두 배가 되며, 결국 훈련 시간이 거의 두 배로 늘어납니다.

결론:

VRAM이 충분하다면 LOCON의 자연스러운 진화이지만, 안타깝게도 혁명적인 발전은 아닙니다.

데이터셋, 이전 에포크, 훈련 TOML 파일을 추가합니다. 참고: 이전 에포크를 훈련 데이터에 포함시키는 것을 잊어버렸었는데, 지금은 정상적으로 포함되어 있습니다.

(civit은 샘플 이미지를 축소했을 수 있으므로 갤러리에서 확인하세요.)

그리고 <lora:yoshizuki_ioriV6:.65> yoshizuki_iori를 사용해 좋은 결과를 얻었습니다.

태그된 의상은 다음과 같습니다:

• school_uniform_purple_shirt_blue_skirt_white_neckerchief_black_thighhighs