Akegarasu/lora-scripts
Lora Scripts
lora-scripts est une boîte à outils de fine-tuning conçue pour adapter des modèles de diffusion de base à des styles ou sujets spécifiques. Elle fournit un ensemble spécialisé de scripts et d'outils pour exécuter des tâches d'entraînement de type Low-Rank Adaptation (LoRA) et Dreambooth.
Le projet dispose d'une interface graphique basée sur le web qui gère le workflow d'entraînement, permettant aux utilisateurs de configurer et d'exécuter des tâches sans édition manuelle de scripts. Cette interface mappe les entrées utilisateur aux hyperparamètres et fournit un tableau de bord en temps réel pour surveiller les métriques d'entraînement et les courbes de perte afin de suivre la convergence du modèle.
Le système inclut un gestionnaire d'étiquetage de jeux de données pour organiser et modifier les étiquettes d'images. Pour garantir une exécution cohérente sur différents hôtes matériels, l'environnement d'entraînement est fourni sous forme de configuration conteneurisée pré-configurée.
Features
- Custom Stable Diffusion Training - Provides a complete workflow for training custom Stable Diffusion models to recognize specific entities or styles.
- LoRA Fine-Tuning Tools - Ships a comprehensive set of scripts and tools for low-rank adaptation (LoRA) of diffusion models.
- Diffusion Model Training - Implements specialized fine-tuning logic for diffusion models via standalone Python scripts.
- Diffusion Model LoRA Fine-Tuning - Provides a web interface for configuring and executing LoRA and Dreambooth fine-tuning jobs for diffusion models.
- Model Training Management Interfaces - Features a web-based dashboard for configuring hyperparameters and triggering training runs without manual scripting.
- Web-Based Command Interfaces - Translates user inputs from a graphical dashboard into command-line arguments for training scripts.
- Automated Image Tagging - Automates the labeling of image datasets using specialized vision models and editing tools.
- Automated Processing Pipelines - Provides an automated pipeline to process raw images and generate structured metadata labels for model training.
- Dataset Tagging Managers - Includes a dedicated tagging manager for organizing and editing image labels used in training.
- Image Classification Datasets - Organizes and structures image datasets with labels for training image recognition and generation models.
- Model Training Monitoring - Tracks and visualizes model convergence and loss curves in real time to monitor training quality.
- Dataset Labeling Interfaces - Provides integrated tools for tagging and editing dataset labels to improve training accuracy.
- Training Progress Monitors - Provides a real-time dashboard for visualizing training metrics and loss curves to track model convergence.
- Item Tagging and Organization - Includes built-in editors and automated processes for organizing and managing image tags in datasets.
- Real-Time Metric Visualization - Features a web dashboard that renders live convergence curves by polling training logs and loss data.
