কিভাবে একটি Flux LoRA (Flux.1 এবং Flux 2) প্রশিক্ষণ করবেন: ধাপে ধাপে শুরু করার গাইড
Flux LoRA প্রশিক্ষণ হল Flux ইমেজ মডেলকে এমন কিছু শেখানো যা এটি জানে না: আপনার মুখ, আপনার পণ্য, আপনার আঁকার স্টাইল, একটি ক্যামেরার লুক। ফলাফল একটি .safetensors ফাইল যা ২০ থেকে ৩০০ MB আকারের এবং যেকোন Flux অ্যাপে ব্যবহার করা যায়, Graydient সহ। এই প্রক্রিয়ায় লাগে ১৫ থেকে ৩০ ছবি, ১২ থেকে ১৬ GB মেমোরি সহ একটি কার্ড (অথবা এক ঘণ্টার জন্য ভাড়া করা), এবং একটি ফ্রি প্রশিক্ষক। এই গাইডটি Flux.1 dev এবং Flux 2 এর প্রতিটি ধাপ ব্যাখ্যা করে এবং শেষ হয় কিভাবে আপনার নতুন LoRA এখানে চালাবেন তা দিয়ে।
আপনি সাতটি কাজ করবেন: Flux বেস নির্বাচন, একটি ছোট ডেটাসেট তৈরি, ক্যাপশন লেখা, একটি প্রশিক্ষক বাছাই, কিছু সংখ্যার সেটিংস নির্ধারণ, প্রশিক্ষণ ও পরীক্ষা, তারপর ফাইলটি Graydient-এ আমদানি করা। প্রতিটি ধাপ নিচে লেখা হয়েছে সাধারণ মানুষের জন্য কার্যকর মান সহ। যদি আপনার কাছে ইতিমধ্যে একটি প্রশিক্ষিত ফাইল থাকে, তবে এটি ব্যবহারের অংশে যান।
Graydient LoRA চালায়; এটি প্রশিক্ষণ দেয় না। প্রশিক্ষণ হয় আপনার নিজস্ব গ্রাফিক্স কার্ডে, ঘণ্টাভিত্তিক ভাড়া করা GPU-তে, অথবা অনলাইন প্রশিক্ষকে। ফাইল তৈরি হলে, প্রতিটি Graydient প্ল্যান একই ফ্ল্যাট মূল্যে এটি দিয়ে রেন্ডার করতে পারে।
আপনার যা দরকার
- একটি বিষয়ের ১৫ থেকে ৩০টি ভালো ছবি, অথবা একটি স্টাইলের জন্য ৩০ থেকে ৬০টি। ফোনের ছবি ঠিক আছে যদি সেগুলো তীক্ষ্ণ এবং বৈচিত্র্যময় হয়।
- Flux.1 dev বা Flux 2 Klein 4B এর জন্য ১২ থেকে ১৬ GB মেমোরি সহ একটি গ্রাফিক্স কার্ড, অথবা Flux 2 dev এর জন্য ২৪ GB বা তার বেশি। কার্ড নেই? এক ঘণ্টার জন্য ভাড়া নিন (নীচে দেখুন) অথবা অনলাইন প্রশিক্ষক ব্যবহার করুন।
- একটি ফ্রি প্রশিক্ষক: AI Toolkit, Kohya sd-scripts (অথবা এর উপরে FluxGym ইন্টারফেস) অথবা OneTrainer। সবগুলো Windows এবং Linux-এ Python ইনস্টল থাকলে চলে।
- এক থেকে তিন ঘণ্টা, অধিকাংশ সময় অপেক্ষা। Graydient প্ল্যান শেষের দিকে গুরুত্বপূর্ণ, যখন আপনি ফাইল দিয়ে রেন্ডার করতে চান। তুলনা করুন প্ল্যান এবং মূল্য।
ধাপ ১: প্রশিক্ষণের জন্য Flux বেস নির্বাচন করুন
একটি LoRA প্রশিক্ষিত বেস মডেলের সাথে বাঁধা থাকে, তাই আপনি যেই বেস দিয়ে রেন্ডার করতে চান সেটি দিয়ে শুরু করুন। Flux পরিবারে তিনটি শাখা আছে যেগুলো LoRA শেয়ার করে না:
| বেস | প্রশিক্ষণের জন্য মেমোরি | পরবর্তীতে LoRA কোথায় চলে |
|---|---|---|
| Flux.1 dev | fp8 বেস এবং ৮-বিট অপটিমাইজার সহ ১২ থেকে ১৬ GB; ২৪ GB আরামদায়ক | Flux.1 dev, Flux.1 schnell (কমজোর), Flux Krea dev এবং অনেক Flux.1 ফাইন-টিউন। Graydient-এ: <flux-dev>। সবচেয়ে বড় LoRA ইকোসিস্টেম; নিশ্চিত না হলে এটি বেছে নিন। |
| Flux 2 Klein 4B | ১২ থেকে ১৬ GB; Klein 4B বেস চেকপয়েন্টে প্রশিক্ষণ দিন, ৪-স্টেপ ডিস্টিলড নয় | শুধুমাত্র Klein 4B এবং Klein 4B ভিত্তিক চেকপয়েন্ট। দ্রুত প্রশিক্ষণ এবং দ্রুত রেন্ডার; Apache 2.0 লাইসেন্স। |
| Flux 2 Klein 9B | প্রায় ২৪ GB; Klein 9B বেস চেকপয়েন্টে প্রশিক্ষণ দিন | শুধুমাত্র Klein 9B। 4B থেকে ভালো বিস্তারিত, বাণিজ্যিক নয় লাইসেন্স। |
| Flux 2 dev | কমপক্ষে ২৪ GB, ৪৮ GB আরামদায়ক; যদি আপনার কাছে 4090 বা 5090 না থাকে তবে ভাড়া নিন | Flux 2 dev এবং Flux 2 dev ভিত্তিক চেকপয়েন্ট। Graydient-এ: <flux2>। সর্বোচ্চ গুণমান, প্রশিক্ষণে সবচেয়ে ধীর। |
মনে রাখার নিয়ম: Flux.1 LoRA Flux 2-এ কাজ করে না, Flux 2 LoRA Flux.1-এ কাজ করে না, এবং Klein 4B, Klein 9B এবং Flux 2 dev প্রত্যেকের আলাদা LoRA দরকার। Krea 2 একটি ভিন্ন মডেল, Flux নয়। যদি একাধিক বেস ব্যবহার করেন, একই ডেটাসেট থেকে প্রতিটি বেসের জন্য আলাদা প্রশিক্ষণ দিন।
ধাপ ২: ডেটাসেট তৈরি করুন
Flux ছোট, পরিষ্কার ডেটাসেট থেকে দ্রুত শেখে। গুণগত মান সংখ্যার চেয়ে বেশি গুরুত্বপূর্ণ; ২০টি তীক্ষ্ণ এবং বৈচিত্র্যময় ছবি ৮০টি প্রায়-নকলের থেকে ভালো।
- একজন ব্যক্তি, পণ্য বা বস্তুর জন্য ১৫ থেকে ৩০টি ছবি সংগ্রহ করুন। শটের মধ্যে কোণ, দূরত্ব, আলো এবং পটভূমি পরিবর্তন করুন। অন্তত এক তৃতীয়াংশ ক্লোজ-আপ এবং এক তৃতীয়াংশ সম্পূর্ণ শরীর বা সম্পূর্ণ পণ্য অন্তর্ভুক্ত করুন।
- একটি স্টাইলের জন্য, একই মাধ্যম এবং লাইন গুণমান সহ ৩০ থেকে ৬০টি কাজ সংগ্রহ করুন কিন্তু ভিন্ন বিষয়: মানুষ, স্থান, বস্তু। বৈচিত্র্য প্রশিক্ষককে বলে বিষয় স্টাইল নয়।
- ধূসরতা, ভারী সংকোচন, ওয়াটারমার্ক, টেক্সট ওভারলে এবং বিষয় নয় এমন কাউকে সরান। একটি এলোমেলো মুখ সেটে থাকলে রেন্ডারে দেখা যাবে।
- রেজোলিউশন: Flux-এর জন্য দীর্ঘ পাশে ১০২৪ পিক্সেল স্ট্যান্ডার্ড। অনুপাত মিশ্রিত রাখুন; প্রতিটি প্রশিক্ষক স্বয়ংক্রিয়ভাবে সেগুলো বাছাই করে। ছবিগুলোকে বর্গে টানবেন না।
- ছবিগুলো একটি ফোল্ডারে রাখুন এবং প্রতিটি ছবির পাশে একই নামে একটি টেক্সট ফাইল রাখুন। ক্যাপশন টেক্সট ফাইলে যাবে:
dataset/01.jpg dataset/01.txt dataset/02.jpg dataset/02.txt
ধাপ ৩: ক্যাপশন লিখুন
Flux তার T5 টেক্সট এনকোডারের মাধ্যমে প্রাকৃতিক বাক্য পড়ে, তাই ক্যাপশন সাধারণ বর্ণনা, কীওয়ার্ড তালিকা নয়। ক্যাপশন নির্ধারণ করে LoRA কী শেখে এবং কী ছেড়ে দেয়:
- একটি বিষয়ের জন্য, একটি ট্রিগার শব্দ দিয়ে শুরু করুন যা বাস্তব শব্দ নয়, তারপর বিষয় নয় এমন সবকিছু বর্ণনা করুন: পোশাক, ভঙ্গি, স্থান, আলো। প্রশিক্ষক শেখে যে ট্রিগার শব্দটি ক্যাপশন ব্যাখ্যা করে না এমন অংশ।
- একটি স্টাইলের জন্য, প্রতিটি ছবির বিষয়বস্তু বর্ণনা করুন এবং কখনো স্টাইল নয়। স্টাইল LoRA দ্বারা বাদ দেওয়ার মাধ্যমে শেখা হয়, এবং এটি যে কোনও বিষয়ের জন্য প্রয়োগ হবে যা আপনি প্রম্পট করবেন।
- ক্যাপশন এক বা দুই বাক্যে রাখুন। ৩০টির বেশি ছবি থাকলে Florence-2 বা JoyCaption দিয়ে স্বয়ংক্রিয় ক্যাপশন করুন, তারপর প্রথম দশটি হাতে পড়ে ঠিক করুন।
- ট্রিগার শব্দ হিসেবে বাস্তব ব্যক্তির নাম ব্যবহার করবেন না, এবং ছবিতে না থাকা জিনিস ক্যাপশন করবেন না।
একজন ব্যক্তির LoRA-এর জন্য বিষয় ক্যাপশন: ohwx woman, wearing a grey wool coat, standing on a stone bridge, overcast daylight, looking at the camera
একটি স্টাইল LoRA-এর জন্য ক্যাপশন, যেখানে স্টাইল ইচ্ছাকৃতভাবে উল্লেখ করা হয়নি: a fishing boat in a harbour at dawn, two men on the pier, fog over the water
ধাপ ৪: একটি প্রশিক্ষক বাছাই করুন
চারটি ফ্রি, ওপেন-সোর্স প্রশিক্ষক প্রতিটি Flux বেস কভার করে। তারা একই ডেটাসেট ফোল্ডার নেয় এবং একই ধরনের .safetensors ফাইল তৈরি করে:
- AI Toolkit (ostris দ্বারা): সবচেয়ে ব্যবহৃত Flux প্রশিক্ষক। প্রতি রান একটি YAML কনফিগারেশন ফাইল, একটি ওয়েব ইন্টারফেস, কম VRAM মোড এবং Flux.1 dev, Flux 2 dev ও Flux 2 Klein সমর্থন। রান শুরু করুন
python run.py config/my_flux_lora.yamlদিয়ে। সেরা প্রথম পছন্দ। - Kohya sd-scripts এবং FluxGym: Kohya হল অধিকাংশ Stable Diffusion LoRA-র পেছনের অভিজ্ঞ প্রশিক্ষক এবং এর একটি Flux শাখা আছে। FluxGym এর উপরে একটি এক-পৃষ্ঠার ওয়েব ইন্টারফেস যা ১২, ১৬ এবং ২০ GB প্রিসেট দেয়। ফাইল সম্পাদনার বদলে ফর্ম পূরণ করতে ভালো।
- OneTrainer: SDXL এবং Flux.1-এর জন্য বন্ধুত্বপূর্ণ ইন্টারফেস সহ একটি ডেস্কটপ অ্যাপ্লিকেশন। যদি আপনি SDXL LoRA প্রশিক্ষণও করেন এবং একটি টুল চান, এটি বেছে নিন।
- অনলাইন প্রশিক্ষক: Civitai-এর অন-সাইট প্রশিক্ষক এবং GPU হোস্টিং সাইটের Flux প্রশিক্ষকরা ছবি জিপ নিয়ে ফাইল ফেরত দেয়। তারা প্রতি রান ক্রেডিট চার্জ করে এবং সেটিংস লুকায়, কিন্তু কার্ডের দরকার নেই। তারা তৈরি ফাইল Graydient-এ একইভাবে আমদানি হয়।
ধাপ ৫: পাঁচটি গুরুত্বপূর্ণ সংখ্যা সেট করুন
প্রতিটি প্রশিক্ষক অনেক অপশন দেয়। ডিফল্ট ছাড়া এইগুলো পরিবর্তন করুন, যা নির্ধারণ করে LoRA কতটা শক্তিশালী, কতটা সাধারণ এবং কত বড়:
| সেটিং | Flux.1 dev | Flux 2 Klein 4B (বেস) |
|---|---|---|
| নেটওয়ার্ক র্যাঙ্ক (ডিম) | মুখ বা বস্তুর জন্য ১৬, বিস্তারিত স্টাইলের জন্য ৩২ | স্টাইলের জন্য ১৬; ৩২ |
| আলফা | র্যাঙ্কের সমান | র্যাঙ্কের সমান |
| লার্নিং রেট | ১e-৪ থেকে ২e-৪ (যদি ট্রেনার দেয় তবে Prodigy বা Adafactor) | ১e-৪ |
| ধাপ | ১০০০ থেকে ২০০০, যাতে প্রতিটি ছবি ৬০ থেকে ১২০ বার দেখা হয় | ১০০০ থেকে ২০০০ |
| রেজোলিউশন | ১০২৪ (মেমোরি কম হলে ৭৬৮) | ১০২৪ |
| ব্যাচ সাইজ | ১ (২৪ জিবিতে ২) | ১ বা ২ |
| বেস প্রিসিশন | ১২ থেকে ১৬ জিবিতে ৮-বিট অপটিমাইজার সহ fp8 বেস; ২৪ জিবি এবং তার উপরে bf16 | ১৬ জিবিতে bf16 ফিট করে; ১২ জিবিতে fp8 |
ট্রেনারকে প্রতি ২৫০ ধাপে একটি চেকপয়েন্ট সেভ করতে এবং প্রতিটি সেভে একই প্রম্পট ও সিড দিয়ে দুটি নমুনা ছবি রেন্ডার করতে সেট করুন। এই নমুনাগুলো দিয়ে আপনি বিজয়ী বাছাই করবেন। Flux.1 dev এবং Flux 2 dev গাইডেন্স-ডিস্টিলড; ট্রেনাররা এটি আপনার জন্য হ্যান্ডেল করে, তাই গাইডেন্স সেটিং ডিফল্টেই রাখুন।
ধাপ ৬: ট্রেনিং
- রান শুরু করুন এবং প্রথম মিনিটে মেমোরি দেখুন। যদি কার্ড পূর্ণ হয়ে সিস্টেম মেমোরিতে চলে যায়, থামান: ট্রেনিং দশ গুণ ধীর হবে এবং ক্র্যাশ হতে পারে।
- যদি মেমোরি স্পিল করে, বেস fp8-এ পরিবর্তন করুন, গ্রেডিয়েন্ট চেকপয়েন্টিং চালু করুন, ৮-বিট AdamW বা Adafactor অপটিমাইজার ব্যবহার করুন, রেজোলিউশন ৭৬৮ করুন এবং ব্যাচ ১ রাখুন। এগুলোর যেকোনো একটি গিগাবাইট মুক্ত করবে।
- একবার রান ক্লিন হলে, সেটাকে ছেড়ে দিন। Flux.1 dev ১৬ জিবি কার্ডে ১৫০০ ধাপের জন্য এক থেকে দুই ঘণ্টা নেয়; Klein 4B দ্রুত; Flux 2 dev ভাড়া করা ৪৮ জিবি কার্ডে প্রায় এক ঘণ্টা নেয়।
- নমুনা ছবি আসার সাথে সাথে দেখুন। বিষয়বস্তু সাধারণত ৫০০ ধাপে দেখা যায় এবং ১০০০ ধাপে দৃঢ় হয়। যদি ৭৫০ ধাপে নিখুঁত হয়, তাহলে আগেই থামতে পারেন।
ট্রেনিং ধীর এবং গোলমালপূর্ণ, ভঙ্গুর নয়। প্রথম মিনিট বাঁচানো রান প্রায় সবসময় শেষ হয়। যদি আপনার ট্রেনার অফার করে, ট্রেনিংয়ের আগে ল্যাটেন্ট এবং টেক্সট এম্বেডিং ক্যাশ করুন; এটি প্রতিটি রানেই মেমোরি ও সময় বাঁচায়।
ধাপ ৭: পরীক্ষা এবং সঠিক চেকপয়েন্ট বাছাই
সর্বশেষ চেকপয়েন্ট সাধারণত সেরা হয় না। অতিরিক্ত ট্রেন করা LoRA-রা ডেটাসেটের ব্যাকগ্রাউন্ড কপি করে, কনট্রাস্ট পোড়ে এবং প্রম্পট শুনতে বন্ধ করে দেয়। সবগুলো পরীক্ষা করুন:
- ডেটাসেটে নেই এমন চারটি প্রম্পট লিখুন: নতুন জায়গা, নতুন পোশাক, আলোর ভিন্নতা, ভিন্ন মাধ্যম। সিড ঠিক করুন।
- প্রতিটি সেভ করা চেকপয়েন্ট চারটি প্রম্পট দিয়ে LoRA ওজন ০.৬, ০.৮ এবং ১.০-এ রেন্ডার করুন।
- সবচেয়ে প্রথম চেকপয়েন্ট বাছুন যা বিষয়বস্তু ঠিক ধরেছে এবং নতুন প্রম্পট অনুসরণ করছে। পরেরগুলো সাধারণত অতিরিক্ত রান; আগেরগুলো অস্পষ্ট।
- বিজয়ীকে এমন নাম দিন যা এক বছর পর লাইব্রেরিতে চিনতে পারবেন, যেমন বিষয়বস্তু ও বেস: my-flux-lora, lora_000750 নয়।
গ্রাফিক্স কার্ড নেই? এক ঘণ্টার জন্য ভাড়া করুন
Flux 2 dev ট্রেনিং বা ল্যাপটপে যেকোন Flux ট্রেনিং ভাড়া করা কার্ডে আপনার নিজের সময়ের চেয়ে সস্তা। ২৪ বা ৪৮ জিবি কার্ড GPU ভাড়া মার্কেটপ্লেসে প্রতি ঘণ্টায় কফির দামের অনেক কম, এবং Flux LoRA-র জন্য এক থেকে দুই ঘণ্টা লাগে।
- Flux.1 dev বা Klein এর জন্য ২৪ জিবি কার্ড, Flux 2 dev এর জন্য ৪৮ জিবি কার্ড ভাড়া করুন। মার্কেটপ্লেসে ট্রেনার প্রি-ইনস্টলড টেমপ্লেট থাকলে সেটি বেছে নিন; AI Toolkit টেমপ্লেট সাধারণ।
- ডেটাসেট ফোল্ডার আপলোড করুন, উপরের একই সেটিংস চালান, এবং পরীক্ষা করার জন্য চেকপয়েন্ট ডাউনলোড করুন। ডেটাসেট ও ওজন আপনারই থাকবে।
- ডাউনলোড শেষ হলে মেশিন বন্ধ করুন। পুরো প্রক্রিয়া, সেটআপসহ, সাধারণত দুই ঘণ্টার কম ভাড়া সময় নেয়।
আপনার Flux LoRA Graydient-এ ব্যবহার করুন
Graydient-এ রেন্ডার করতে ফাইল আপনার কম্পিউটারে থাকা দরকার নেই। ফাইলটি Graydient যেখানে নিতে পারে সেখানে রাখুন এবং লিঙ্ক ইম্পোর্ট করুন:
- .safetensors ফাইলটি আপনার Hugging Face অ্যাকাউন্টের (পাবলিক বা প্রাইভেট) একটি রিপোজিটরিতে আপলোড করুন, অথবা Civitai-তে প্রকাশ করুন যেখানে বেস মডেল Flux ভার্সনে সেট করা আছে যেটাতে আপনি ট্রেন করেছেন।
- Graydient-এ লগ ইন করুন, আপনার ড্যাশবোর্ড লাইব্রেরি থেকে Model Import খুলুন, এবং Hugging Face বা Civitai পেজ থেকে সরাসরি ফাইল লিঙ্ক পেস্ট করুন। সম্পূর্ণ ধাপগুলো Graydient-এ Civitai এবং Hugging Face মডেল কীভাবে আমদানি করবেন-এ আছে।
- লাইব্রেরিতে LoRA আসার জন্য অপেক্ষা করুন এবং Graydient যে ShortCode দিয়েছে তা কপি করুন।
- যেকোন Graydient অ্যাপে LoRA ট্যাগ এবং মিল থাকা বেস দিয়ে রেন্ডার করুন: Flux.1 LoRA-র জন্য
<lora:my-flux-lora:0.8> <flux-dev>, Flux 2 LoRA-র জন্য<lora:my-flux2-lora:0.8> <flux2>। প্রতিটি অ্যাপ, ওজন এবং স্ট্যাকিং নিয়ম Graydient-এ Flux এবং Flux 2 LoRA-এর জন্য শুরু করার গাইড-তে আছে।
Telegram বা Discord-এর জন্য সম্পূর্ণ প্রথম রেন্ডার, প্রথমে ট্রিগার শব্দ এবং LoRA ০.৮-এ Flux dev বেসে: /render ohwx woman, portrait, soft window light, 85mm photo <lora:my-flux-lora:0.8> <flux-dev> /steps:24 /guidance:3.5 /size:1024x1024
লাইসেন্স: LoRA দিয়ে আপনি কী করতে পারেন
একটি LoRA তার বেস মডেলের ডেরিভেটিভ, তাই বেস লাইসেন্স তার সাথে যায়। রেন্ডার বা ফাইল বিক্রি করার আগে মডেল পেজে বর্তমান লাইসেন্স টেক্সট চেক করুন:
- Flux.1 dev এবং Flux 2 dev Black Forest Labs-এর নন-কমার্শিয়াল লাইসেন্সে মুক্ত। ব্যক্তিগত প্রকল্প ও গবেষণা ঠিক আছে; বাণিজ্যিক ব্যবহারের জন্য তাদের বাণিজ্যিক লাইসেন্স প্রয়োজন।
- Flux 2 Klein 4B (এবং এর বেস চেকপয়েন্ট) Apache 2.0 লাইসেন্সে, তাই এর উপর ট্রেন করা LoRA-র কোনো বেস-মডেল সীমাবদ্ধতা নেই। Klein 9B নন-কমার্শিয়াল লাইসেন্সে।
- আপনার ডেটাসেটের ছবির নিজস্ব অধিকার আছে। আপনি যেসব ছবি নিয়েছেন বা মালিক, সেগুলোতে ট্রেন করুন, এবং কখনোই কারো সম্মতি ছাড়া বাস্তব ব্যক্তির ছবি ব্যবহার করবেন না।
যদি কিছু ভুল হয়
- প্রথম মিনিটে মেমোরি শেষ: fp16 বেস ও অপটিমাইজার ফিট হয় না। fp8-এ যান, ৮-বিট AdamW বা Adafactor, গ্রেডিয়েন্ট চেকপয়েন্টিং, রেজোলিউশন ৭৬৮, ব্যাচ ১। যদি এখনও স্পিল হয়, কার্ড ভাড়া করুন।
- LoRA পুরো ছবি পরিবর্তন করে, শুধু বিষয়বস্তু নয়: ক্যাপশন ব্যাকগ্রাউন্ড ও আলো বর্ণনা করেনি, তাই ট্রেনার ট্রিগার শব্দের অংশ হিসেবে সেগুলো শিখেছে। প্রসঙ্গ স্পষ্ট করে পুনরায় ক্যাপশন দিন এবং ডেটাসেট পরিবর্তন করুন।
- ওজন ১.০-এ মুখ ঠিক আছে কিন্তু প্রম্পট উপেক্ষিত: অতিরিক্ত ট্রেনিং। আগের চেকপয়েন্ট ব্যবহার করুন। পরের রান-এ ধাপ অর্ধেক করুন বা লার্নিং রেট ৫e-৫-এ নামান।
- কোনো ওজনে অস্পষ্ট সাদৃশ্য: কম ট্রেনিং বা ডেটাসেট খুবই একরকম। ৫০০ ধাপের ব্লকে ধাপ বাড়ান, বা নতুন কোণ থেকে ছবি যোগ করুন।
- Graydient-এ LoRA কাজ করে না: বেস মেলেনি। Flux.1 LoRA-র জন্য
<flux-dev>দরকার; Flux 2 LoRA-র জন্য<flux2>। ট্রিগার শব্দ প্রম্পটে আছে কিনা চেক করুন। - ট্রেনিং চলছে কিন্তু খুব ধীর: সিস্টেম মেমোরিতে স্পিল হয়েছে, বা ডেটাসেট ধীর ড্রাইভে। প্রথম পয়েন্টের মতো মেমোরি ঠিক করুন, ল্যাটেন্ট ক্যাশ করুন, এবং ডেটাসেট SSD-তে সরান।
এটাই পুরো পদ্ধতি: একটি বেস, ২০টি পরিষ্কার ছবি, সৎ ক্যাপশন, পাঁচটি সংখ্যা, একটি রান, একটি পরীক্ষা। আপনার প্রথম Flux LoRA সেরা হবে না, দ্বিতীয়টি সময়ের অর্ধেক নেয়। ফাইল থাকলে, Graydient-এ লগ ইন করুন বা প্ল্যান এবং মূল্য থেকে যতবার চান রেন্ডার করুন। প্রতিটি প্ল্যানে ৭ দিনের মানি ব্যাক গ্যারান্টি আছে।
প্রশ্নাবলী
Graydient আমার জন্য Flux LoRA ট্রেন করতে পারে?
না। Graydient একটি ফ্ল্যাট-রেট রেন্ডারিং সার্ভিস; এটি LoRA চালায় কিন্তু ট্রেন করে না। নিজের কার্ডে, ভাড়া করা কার্ডে বা উপরে বর্ণিত অনলাইন ট্রেনারে ট্রেন করুন, তারপর ফাইল ইম্পোর্ট করুন। পরে রেন্ডারিং কোনো অতিরিক্ত খরচ হয় না।
Flux LoRA-র জন্য কত ছবি লাগে?
একটি মুখ, পণ্য বা বস্তুর জন্য ১৫ থেকে ৩০; একটি স্টাইলের জন্য ৩০ থেকে ৬০। Flux ছোট সেট থেকে শেখে। ১০০টির বেশি ছবি হলে আপনি LoRA প্রশিক্ষণ দিচ্ছেন না, বরং ফাইন-টিউন করছেন, এবং তখন বেশি ধাপ ও মেমোরি দরকার।
Flux LoRA প্রশিক্ষণের জন্য কত VRAM দরকার?
Flux.1 dev বা Flux 2 Klein 4B এর জন্য ১২ থেকে ১৬ GB, যেখানে বেস fp8 এবং ৮-বিট অপটিমাইজার। Klein 9B এর জন্য প্রায় ২৪ GB। Flux 2 dev এর জন্য ন্যূনতম ২৪ GB এবং আরামদায়ক ৪৮ GB। শেষ দুইটির জন্য ভাড়া নিতে হয় যদি আপনার কাছে ৪০৯০ বা ৫০৯০ না থাকে।
কত সময় লাগে?
১৬ GB কার্ডে ১৫০০ ধাপে Flux.1 dev এর জন্য এক থেকে দুই ঘণ্টা, Klein 4B এর জন্য কম, এবং ভাড়া নেওয়া ৪৮ GB কার্ডে Flux 2 dev এর জন্য প্রায় এক ঘণ্টা। প্রথমবার ক্যাপশনিং ও পরীক্ষা করতে আরও এক ঘণ্টা লাগে।
Flux.1 LoRA এর মতো Flux 2 LoRA কি প্রশিক্ষণ দিতে পারি?
হ্যাঁ, একই ডেটাসেট ও ক্যাপশন দিয়ে। Klein LoRA গুলো Klein Base চেকপয়েন্টে (4B Base বা 9B Base) প্রশিক্ষণ দিন, ৪-ধাপ ডিস্টিলড নয়, এবং মনে রাখবেন ফলাফল শুধু ঐ Klein সাইজেই চলে। Flux 2 dev বেশি মেমোরি চায়, তাই বেশিরভাগ মানুষ ভাড়া নেয়।
Flux LoRA এর জন্য কি ট্রিগার শব্দ দরকার?
একজন ব্যক্তি বা বস্তুর জন্য, হ্যাঁ: প্রতিটি ক্যাপশনের শুরুতে একটি বানানো শব্দ দিন, যা পরে প্রতিটি প্রম্পটের শুরুতে ব্যবহার করবেন। একটি স্টাইলের জন্য, যদি ক্যাপশন কন্টেন্ট বর্ণনা করে স্টাইল নয়, তাহলে ট্রিগার শব্দের দরকার নেই; তখন LoRA সবকিছুর জন্য প্রযোজ্য হয়।
LoRA কি আমি ব্যক্তিগত রাখতে পারি?
হ্যাঁ। এটি একটি ব্যক্তিগত Hugging Face রিপোজিটরিতে আপলোড করুন এবং লগইন অবস্থায় Hugging Face থেকে ফাইল লিঙ্ক ইম্পোর্ট করুন; Graydient শুধুমাত্র আপনার অ্যাকাউন্ট ডাউনলোড করতে পারবে এমন ফাইলগুলো আনবে। আপনার লাইব্রেরি শুধুমাত্র আপনার, এবং ফাইলটি কখনো ModelTrends বা পাবলিক কোথাও প্রকাশ পায় না।