OneTrainer - how to use with float16

首先，非常感谢

使用 OneTrainer 进行 Stable Cascade LoRA 训练 | Civitai

的教程。虽然一开始很难理解，但最终成功运行了 :)

别担心！它在我的 RTX 3060 Ti 8GB 显存上运行良好。我使用的是老款 Ryzen 7，配备 32GB 内存。（可训练 LoRA 并运行工作流）

可用的 LoRA：

Stable Cascade Beksinski - v2.0 | Stable Diffusion LoRA | Civitai

预设和工作流已作为 zip 文件附上。

那么，开始吧！

将 JSON（预设文件）设置放入文件夹中

逐步操作：

我的图片和 txt 文件存放在 L 盘。bfloat32 很有趣，但在我的显卡上速度太慢，所以我将所有设置切换为 f16（非 bf16）

我使用数据集工具通过 BLIP 生成标注，并将触发词设为标注的第一项。

标注提示：首先使用 BLIP 生成带标签和描述的第一行，再以新行生成 wd14 标注。结果如下：

"beksinskiart, a painting of a man kneeling down in the sand

traditional media, fire, no humans, solo, border"

如果你需要更长的标注，必须在 BLIP 或 BLIP2 模型中设置 max_tokens。

最后一个窗口：

测试工作流：

以及正常工作流：

祝你今天愉快！

训练完成后，使用我的工作流并输入以下提示：

"beksinskiart, a painting of a man kneeling down in the sand

traditional media, fire, no humans, solo, border"

你会得到这样的结果：