TBLOPonyXL

懂的都懂，和我同龄。可惜如今很多网站都成了死链，但还残留一些痕迹。

这个项目用了大量的色情内容——超过2000张图片，经过裁剪（1024x1024）和超分辨率放大（我在WebUI的“额外”标签页中使用了4x_NMKD-UltraYandere_300k，批量从目录加载），上传到Drive，然后通过数据集生成器处理（https://colab.research.google.com/github/hollowstrawberry/kohya-colab/blob/main/Dataset_Maker.ipynb），再送入XL训练器（https://colab.research.google.com/github/hollowstrawberry/kohya-colab/blob/main/Lora_Trainer_XL.ipynb），10小时后（总计），搞定！

如果你想制作类似质量的模型，并且有能力支付Colab Pro/积分，流程其实很简单：

数据集生成器设置：

项目名称 — 给你的项目命名（你可以在上传到Drive文件夹前运行这一步，它会自动创建所需路径；否则你也可以提前用相同的路径结构上传数据集）

跳过第4步 — 为图片打标签

方法：动漫标签（照片描述也能出结果，但为了生成效果，我发现动漫标签列表风格更能带来创意成果）

标签阈值：0.25

黑名单标签：你不想包含的标签（例如：loli、child、shota等）

描述最小长度：25

描述最大长度：350

全局激活标签：我一般只用LoRA的名称来简化，如果是训练风格，则留空

移除标签：在运行第4步后，你可以查看最常见的标签，并在此步骤移除你不需要的——有时会出现你没想到的、或无关的内容（例如：马赛克遮挡、眼下的痣等）

训练你的LoRA：你可以点击链接，但最终你仍需跳转到XL训练器，否则会直接带你到Hollowstrawberry的普通SD LoRA训练器

XL训练器设置：

项目名称

训练模型：Pony Diffusion V6 XL

加载diffusers：x

打乱标签：x

激活标签：1（如果你在数据集生成器中用了激活标签，我只会用1或0）

重复次数：图片多时用1，少于500张时用2，但通常都用1

轮数（epochs）：8（6-8轮效果一直很好；如果图片极少，我可能改用2700-3200步，但通常8轮就够了）

每n轮保存一次：1

仅保留最后n轮：1

Unet学习率：1e-4

Text Encoder学习率：0.5e-2（如果是无文本文件和激活标签的风格，设为0）

学习率调度器：constant（恒定）

学习率调度器数值：无关紧要，因为是“constant”

Warmup：0.05

最小SNR gamma：5

LoRA类型：LoRA

网络维度（dim）：22-26

网络Alpha：11-13（dim的一半）

Conv：LoRA下无关，勿改

训练批次大小：6-8

交叉注意力：sdpa

混合精度：bf16（我连接A100是因为Colab Pro）

缓存潜在变量：x

将缓存潜在变量保存到Drive：x

优化器：Prodigy

优化器参数：decouple=True weight_decay=0.01 betas=[0.9,0.999] d_coef=2 use_bias_correction=True safeguard_warmup=True

推荐的Prodigy数值：x（这会覆盖上面的行，但如果你不修改，它就不会运行）

运行并从Drive下载最终文件

可能还有其他设置能用，但除了这个拥有数千张图片的项目外，我大多数LoRA训练都在30分钟内完成。之后我会测试，如果觉得效果不错，就上传。

我应该想想怎么靠这个赚钱，但目前先享受免费的吧。既然你现在已经知道怎么做了，如果不喜欢我上传的内容，你完全可以自己制作喜欢的风格。