فلوکس LoRA (فلوکس.1 اور فلوکس 2) کیسے تربیت دیں: ابتدائیوں کے لیے مرحلہ وار رہنما

فلوکس LoRA کی تربیت وہ طریقہ ہے جس سے آپ فلوکس امیج ماڈل کو کچھ نیا سکھاتے ہیں: آپ کا چہرہ، آپ کی پروڈکٹ، آپ کا ڈرائنگ اسٹائل، یا کیمرے کا انداز۔ نتیجہ ایک .safetensors فائل ہوتی ہے جو 20 سے 300 MB تک ہو سکتی ہے اور آپ اسے کسی بھی فلوکس ایپ میں استعمال کر سکتے ہیں، بشمول Graydient۔ یہ عمل 15 سے 30 تصاویر، 12 سے 16 GB میموری والی گرافکس کارڈ (یا ایک گھنٹے کے لیے کرائے پر لیا ہوا) اور ایک مفت ٹرینر کی ضرورت ہوتی ہے۔ یہ رہنما فلوکس.1 ڈویلپمنٹ اور فلوکس 2 دونوں کے لیے ہر قدم بتاتا ہے اور آخر میں آپ کے نئے LoRA کو یہاں چلانے کا طریقہ بتاتا ہے۔

آپ سات کام کریں گے: فلوکس بیس منتخب کریں، ایک چھوٹا ڈیٹاسیٹ بنائیں، کیپشن لکھیں، ٹرینر منتخب کریں، کچھ اہم نمبر سیٹ کریں، تربیت اور جانچ کریں، پھر فائل کو Graydient میں امپورٹ کریں۔ ہر قدم نیچے تفصیل سے لکھا گیا ہے جس میں زیادہ تر لوگوں کے لیے کام کرنے والی قدریں شامل ہیں۔ اگر آپ کے پاس پہلے سے تربیت یافتہ فائل ہے تو اسے استعمال کرنے والے سیکشن پر جائیں۔

Graydient LoRAs چلاتا ہے؛ یہ انہیں تربیت نہیں دیتا۔ تربیت آپ کے اپنے گرافکس کارڈ پر، کرائے پر لیے گئے GPU پر یا آن لائن ٹرینر میں ہوتی ہے۔ فائل بننے کے بعد، ہر Graydient پلان اسے ایک مقررہ قیمت پر رینڈر کر سکتا ہے۔

آپ کو کیا چاہیے

• ایک موضوع کی 15 سے 30 اچھی تصاویر، یا اسٹائل کے لیے 30 سے 60۔ فون کی تصاویر ٹھیک ہیں اگر وہ تیز اور متنوع ہوں۔
• فلوکس.1 ڈویلپمنٹ یا فلوکس 2 کلین 4B کے لیے 12 سے 16 GB میموری والا گرافکس کارڈ، یا فلوکس 2 ڈویلپمنٹ کے لیے 24 GB یا زیادہ۔ کوئی کارڈ نہیں؟ ایک گھنٹے کے لیے کرائے پر لیں (نیچے دیکھیں) یا آن لائن ٹرینر استعمال کریں۔
• ایک مفت ٹرینر: AI Toolkit، Kohya sd-scripts (یا اس کے اوپر FluxGym انٹرفیس) یا OneTrainer۔ یہ سب ونڈوز اور لینکس پر Python کے ساتھ چلتے ہیں۔
• ایک سے تین گھنٹے، زیادہ تر انتظار میں۔ Graydient پلان صرف آخر میں اہم ہوتا ہے جب آپ فائل کے ساتھ رینڈر کرنا چاہتے ہیں۔ منصوبے اور قیمتیں سے موازنہ کریں۔

مرحلہ 1: تربیت کے لیے فلوکس بیس منتخب کریں

LoRA اس بیس ماڈل سے جڑا ہوتا ہے جس پر اسے تربیت دی گئی ہو، اس لیے وہ بیس منتخب کریں جس کے ساتھ آپ رینڈر کرنا چاہتے ہیں۔ فلوکس خاندان میں تین شاخیں ہیں جو LoRAs شیئر نہیں کرتیں:

یاد رکھنے کا اصول: فلوکس.1 LoRAs فلوکس 2 پر کام نہیں کرتے، فلوکس 2 LoRAs فلوکس.1 پر کام نہیں کرتے، اور کلین 4B، کلین 9B اور فلوکس 2 ڈویلپمنٹ ہر ایک کو اپنا LoRA چاہیے۔ کریا 2 ایک مختلف ماڈل ہے، فلوکس نہیں۔ اگر آپ کئی بیس استعمال کرتے ہیں، تو ایک ہی ڈیٹاسیٹ سے ہر بیس کے لیے ایک بار تربیت دیں۔

مرحلہ 2: ڈیٹاسیٹ بنائیں

فلوکس چھوٹے، صاف ڈیٹاسیٹس سے تیزی سے سیکھتا ہے۔ معیار گنتی سے بہتر ہے؛ 20 تیز اور متنوع تصاویر 80 قریب کی نقلوں سے بہتر ہیں۔

1. کسی شخص، پروڈکٹ یا چیز کے لیے 15 سے 30 تصاویر جمع کریں۔ زاویہ، فاصلہ، روشنی اور پس منظر بدلیں۔ کم از کم ایک تہائی قریبی اور ایک تہائی مکمل جسم یا مکمل پروڈکٹ شامل کریں۔
2. اسٹائل کے لیے، 30 سے 60 کام جمع کریں جو ایک ہی میڈیم اور لائن کوالٹی کے ہوں لیکن مختلف موضوعات: لوگ، جگہیں، اشیاء۔ تنوع ٹرینر کو بتاتا ہے کہ موضوع اسٹائل نہیں ہے۔
3. دھندلا پن، بھاری کمپریشن، واٹرمارکس، ٹیکسٹ اوورلے اور جو بھی موضوع نہیں ہے اسے ہٹا دیں۔ ایک بھی غیر متعلقہ چہرہ رینڈر میں ظاہر ہوگا۔
4. ریزولوشن: فلوکس کے لیے لمبی طرف 1024 پکسل معیار ہے۔ تناسب مکس رکھیں؛ ہر ٹرینر خود بخود انہیں بکٹ کرتا ہے۔ تصاویر کو مربع میں نہ کھینچیں۔
5. تصاویر کو ایک فولڈر میں رکھیں اور ہر تصویر کے ساتھ ایک ٹیکسٹ فائل ہو جس کا نام تصویر کے نام جیسا ہو۔ کیپشن ٹیکسٹ فائل میں لکھیں: dataset/01.jpg dataset/01.txt dataset/02.jpg dataset/02.txt

مرحلہ 3: کیپشن لکھیں

فلوکس T5 ٹیکسٹ انکوڈر کے ذریعے قدرتی جملے پڑھتا ہے، اس لیے کیپشنز سادہ وضاحتیں ہوتی ہیں، کی ورڈز کی فہرست نہیں۔ کیپشنز فیصلہ کرتے ہیں کہ LoRA کیا سیکھے گا اور کیا چھوڑے گا:

• موضوع کے لیے، ایک ایسا ٹرگر لفظ استعمال کریں جو حقیقی لفظ نہ ہو، پھر وہ سب کچھ بیان کریں جو موضوع نہیں ہے: کپڑے، پوز، جگہ، روشنی۔ ٹرینر سیکھتا ہے کہ ٹرگر لفظ وہ حصہ ہے جسے کیپشن نہیں بتاتا۔
• اسٹائل کے لیے، ہر تصویر کا مواد بیان کریں اور کبھی اسٹائل کا ذکر نہ کریں۔ اسٹائل وہ چیز ہے جو LoRA چھوڑ کر سیکھتا ہے، اور پھر یہ کسی بھی موضوع پر لاگو ہوگا جو آپ پرامپٹ کریں۔
• کیپشنز ایک یا دو جملوں تک محدود رکھیں۔ اگر 30 سے زیادہ تصاویر ہیں تو Florence-2 یا JoyCaption سے آٹو کیپشن کریں، پھر پہلے دس کو ہاتھ سے پڑھ کر درست کریں۔
• حقیقی شخص کا نام ٹرگر لفظ کے طور پر استعمال نہ کریں، اور ایسی چیزوں کا کیپشن نہ لکھیں جو تصویر میں نہیں ہیں۔

کسی شخص LoRA کے لیے موضوع کیپشن: ohwx woman, wearing a grey wool coat, standing on a stone bridge, overcast daylight, looking at the camera

اسٹائل LoRA کے لیے کیپشن، جہاں اسٹائل جان بوجھ کر ذکر نہیں کیا گیا: a fishing boat in a harbour at dawn, two men on the pier, fog over the water

مرحلہ 4: ٹرینر منتخب کریں

چار مفت، اوپن سورس ٹرینرز ہر فلوکس بیس کو کور کرتے ہیں۔ یہ سب ایک ہی ڈیٹاسیٹ فولڈر لیتے ہیں اور ایک جیسی قسم کی .safetensors فائل بناتے ہیں:

• AI Toolkit (ostris کی طرف سے): سب سے زیادہ استعمال ہونے والا فلوکس ٹرینر۔ ہر رن کے لیے ایک YAML کنفیگریشن فائل، ویب انٹرفیس، کم VRAM موڈز، اور فلوکس.1 ڈویلپمنٹ، فلوکس 2 ڈویلپمنٹ اور فلوکس 2 کلین کی حمایت۔ رن شروع کریں python run.py config/my_flux_lora.yaml سے۔ بہترین پہلی پسند۔
• Kohya sd-scripts اور FluxGym: Kohya زیادہ تر Stable Diffusion LoRAs کے پیچھے تجربہ کار ٹرینر ہے اور اس کا فلوکس برانچ ہے۔ FluxGym اس کے اوپر ایک صفحے کا ویب انٹرفیس ہے جس میں 12، 16 اور 20 GB پری سیٹس ہیں۔ جب آپ فارم بھرنا چاہتے ہیں، فائل ایڈیٹ نہیں، تو اچھا ہے۔
• OneTrainer: SDXL اور فلوکس.1 کے لیے دوستانہ انٹرفیس والا ڈیسک ٹاپ ایپلیکیشن۔ اگر آپ SDXL LoRAs بھی تربیت دیتے ہیں اور ایک ٹول چاہتے ہیں تو اسے منتخب کریں۔
• آن لائن ٹرینرز: Civitai کا آن سائٹ ٹرینر اور GPU ہوسٹنگ سائٹس پر فلوکس ٹرینرز تصاویر کا زپ لیتے ہیں اور فائل واپس کرتے ہیں۔ یہ ہر رن پر کریڈٹس لیتے ہیں اور ترتیبات چھپاتے ہیں، لیکن آپ کو کوئی کارڈ نہیں چاہیے۔ جو فائل وہ بناتے ہیں وہ Graydient میں اسی طرح امپورٹ ہوتی ہے۔

مرحلہ 5: پانچ اہم نمبر سیٹ کریں

ہر ٹرینر درجنوں آپشنز دکھاتا ہے۔ ڈیفالٹ چھوڑ دیں سوائے ان کے جو فیصلہ کرتے ہیں کہ LoRA کتنا مضبوط، کتنا عام اور کتنا بڑا ہوگا:

ٹرینر کو ہر 250 اسٹپس پر چیک پوائنٹ محفوظ کرنے اور ہر سیو پر دو سیمپل تصاویر رینڈر کرنے کے لیے سیٹ کریں، ایک ہی پرامپٹ اور سیڈ کے ساتھ۔ یہ سیمپلز آپ کو فاتح منتخب کرنے میں مدد دیں گے۔ Flux.1 dev اور Flux 2 dev گائیڈنس-ڈسٹلڈ ہیں؛ ٹرینرز یہ آپ کے لیے سنبھالتے ہیں، اس لیے گائیڈنس سیٹنگ کو ڈیفالٹ پر چھوڑ دیں۔

مرحلہ 6: تربیت

1. رن شروع کریں اور پہلے منٹ کے لیے میموری دیکھیں۔ اگر یہ کارڈ بھر جائے اور سسٹم میموری میں چلی جائے تو روک دیں: تربیت دس گنا زیادہ وقت لے گی اور ممکنہ طور پر کریش ہو سکتی ہے۔
2. اگر میموری اسپِل ہو تو بیس کو fp8 پر سوئچ کریں، گریڈینٹ چیک پوائنٹنگ آن کریں، 8-bit AdamW یا Adafactor optimizer استعمال کریں، ریزولوشن 768 پر لے آئیں، اور بیچ کو 1 رکھیں۔ ان میں سے کوئی بھی ایک گیگابائٹس آزاد کر دیتا ہے۔
3. جب یہ صاف چلنے لگے تو اسے چھوڑ دیں۔ Flux.1 dev 16 GB کارڈ پر 1500 اسٹپس کے لیے ایک سے دو گھنٹے لیتا ہے؛ Klein 4B تیز ہے؛ Flux 2 dev کرائے پر لیے گئے 48 GB کارڈ پر تقریباً ایک گھنٹہ لیتا ہے۔
4. جیسے جیسے سیمپل تصاویر آتی ہیں انہیں دیکھیں۔ موضوع عام طور پر 500 اسٹپ پر ظاہر ہوتا ہے اور 1000 پر مضبوط ہوتا ہے۔ اگر 750 پر یہ مکمل ہو جائے تو آپ جلدی روک سکتے ہیں۔

تربیت سست اور شور دار ہوتی ہے، نازک نہیں۔ جو رن پہلے منٹ میں بچ جائے وہ تقریباً ہمیشہ ختم ہوتا ہے۔ اگر آپ کا ٹرینر پیش کرتا ہے تو تربیت سے پہلے لیٹینٹس اور ٹیکسٹ ایمبیڈنگز کیش کریں؛ یہ ہر رن پر میموری اور وقت بچاتا ہے۔

مرحلہ 7: ٹیسٹ کریں اور صحیح چیک پوائنٹ منتخب کریں

آخری چیک پوائنٹ شاذ و نادر ہی بہترین ہوتا ہے۔ زیادہ تربیت یافتہ LoRAs ڈیٹاسیٹ کے پس منظر کی نقل کرتے ہیں، کانٹراسٹ جلا دیتے ہیں اور پرامپٹس سننا بند کر دیتے ہیں۔ سب کو ٹیسٹ کریں:

• چار پرامپٹس لکھیں جو ڈیٹاسیٹ میں نہیں ہیں: ایک نیا مقام، نیا لباس، مختلف روشنی، مختلف میڈیم۔ سیڈ فکس کریں۔
• ہر محفوظ شدہ چیک پوائنٹ کو چار پرامپٹس کے ساتھ LoRA وزن 0.6، 0.8 اور 1.0 پر رینڈر کریں۔
• سب سے پہلے وہ چیک پوائنٹ منتخب کریں جو موضوع کو ٹھیک پکڑتا ہو اور نئے پرامپٹس کی پیروی کرتا ہو۔ بعد والے عام طور پر زیادہ پکائے ہوئے ہوتے ہیں؛ پہلے والے مبہم ہوتے ہیں۔
• فاتح کو ایسا نام دیں جو آپ ایک سال بعد لائبریری میں پہچان سکیں، جیسے موضوع اور بیس: my-flux-lora، نہ کہ lora_000750۔

گرافکس کارڈ نہیں؟ ایک گھنٹے کے لیے کرایہ پر لیں

Flux 2 dev کی تربیت، یا کسی بھی Flux کی تربیت لیپ ٹاپ پر، اپنے وقت کے مقابلے میں کرائے پر کارڈ پر سستی ہے۔ 24 یا 48 GB کارڈ GPU کرایہ مارکیٹ پلیسز پر فی گھنٹہ کافی کی قیمت سے بہت کم ہے، اور ایک Flux LoRA کو ایک سے دو گھنٹے کی ضرورت ہوتی ہے۔

• Flux.1 dev یا Klein کے لیے 24 GB کارڈ والا مشین کرایہ پر لیں، Flux 2 dev کے لیے 48 GB۔ جب مارکیٹ پلیس کوئی ٹیمپلیٹ پیش کرے جس میں ٹرینر پہلے سے انسٹال ہو، تو اسے منتخب کریں؛ AI Toolkit ٹیمپلیٹس عام ہیں۔
• ڈیٹاسیٹ فولڈر اپلوڈ کریں، اوپر دی گئی سیٹنگز چلائیں، اور وہ چیک پوائنٹس ڈاؤن لوڈ کریں جو آپ ٹیسٹ کرنا چاہتے ہیں۔ ڈیٹاسیٹ اور وزن آپ کے رہیں گے۔
• ڈاؤن لوڈ ختم ہونے پر مشین بند کر دیں۔ پورا عمل، سیٹ اپ سمیت، عام طور پر دو گھنٹے کے کرایہ سے کم ہوتا ہے۔

اپنا Flux LoRA Graydient پر استعمال کریں

Graydient کو رینڈر کرنے کے لیے آپ کے کمپیوٹر پر فائل کی ضرورت نہیں ہے۔ اسے ایسی جگہ رکھیں جہاں Graydient اسے حاصل کر سکے اور لنک امپورٹ کریں:

1. .safetensors فائل کو اپنے Hugging Face اکاؤنٹ میں کسی ریپوزیٹری (پبلک یا پرائیویٹ) پر اپلوڈ کریں، یا Civitai پر شائع کریں جس میں بیس ماڈل وہ Flux ورژن ہو جس پر آپ نے تربیت دی ہو۔
2. Graydient میں لاگ ان کریں، اپنے ڈیش بورڈ لائبریری سے Model Import کھولیں، اور Hugging Face یا Civitai صفحہ کا براہ راست فائل لنک پیسٹ کریں۔ مکمل مراحل Graydient پر Civitai ماڈلز کیسے درآمد کریں میں ہیں۔
3. LoRA کے لائبریری میں ظاہر ہونے کا انتظار کریں اور Graydient کی دی ہوئی ShortCode کو کاپی کریں۔
4. کسی بھی Graydient ایپ میں LoRA ٹیگ اور مماثل بیس کے ساتھ رینڈر کریں: Flux.1 LoRA کے لیے <lora:my-flux-lora:0.8> <flux-dev>، یا Flux 2 LoRA کے لیے <lora:my-flux2-lora:0.8> <flux2>۔ ہر ایپ، وزن اور اسٹیکنگ رول Graydient پر Flux اور Flux 2 LoRAs کے لیے ابتدائی گائیڈ میں ہیں۔

Telegram یا Discord کے لیے مکمل پہلی رینڈر، پہلے ٹریگر لفظ کے ساتھ اور LoRA کو 0.8 پر Flux dev بیس پر: /render ohwx woman, portrait, soft window light, 85mm photo <lora:my-flux-lora:0.8> <flux-dev> /steps:24 /guidance:3.5 /size:1024x1024

لائسنس: LoRA کے ساتھ آپ کیا کر سکتے ہیں

LoRA اس کے بیس ماڈل کی مشتق ہے، اس لیے بیس لائسنس اس کے ساتھ چلتا ہے۔ رینڈرز یا فائل بیچنے سے پہلے ماڈل صفحہ پر موجودہ لائسنس متن چیک کریں:

• Flux.1 dev اور Flux 2 dev Black Forest Labs کے غیر تجارتی لائسنس کے تحت جاری کیے گئے ہیں۔ ذاتی منصوبے اور تحقیق ٹھیک ہیں؛ تجارتی استعمال کے لیے ان کا تجارتی لائسنس چاہیے۔
• Flux 2 Klein 4B (اور اس کا Base چیک پوائنٹ) Apache 2.0 کے تحت ہے، اس لیے اس پر تربیت یافتہ LoRAs پر کوئی بیس ماڈل پابندی نہیں ہے۔ Klein 9B غیر تجارتی لائسنس کے تحت ہے۔
• آپ کے ڈیٹاسیٹ کی تصاویر کے اپنے حقوق ہیں۔ ایسی تصاویر پر تربیت دیں جو آپ نے لی ہوں یا آپ کی ملکیت ہوں، اور بغیر اجازت کسی حقیقی شخص کی تصویر پر کبھی نہ کریں۔

اگر کچھ غلط ہو جائے

• پہلے منٹ میں میموری ختم ہو گئی: fp16 بیس اور optimizer فٹ نہیں ہوتے۔ fp8، 8-bit AdamW یا Adafactor، گریڈینٹ چیک پوائنٹنگ، ریزولوشن 768، بیچ 1 پر سوئچ کریں۔ اگر پھر بھی اسپِل ہو تو کارڈ کرایہ پر لیں۔
• LoRA پوری تصویر بدل دیتا ہے، صرف موضوع نہیں: کیپشنز نے پس منظر اور روشنی کی وضاحت نہیں کی، اس لیے ٹرینر نے انہیں ٹریگر لفظ کا حصہ سمجھ لیا۔ سیاق و سباق واضح کر کے دوبارہ کیپشن کریں اور ڈیٹاسیٹ میں تنوع لائیں۔
• چہرہ وزن 1.0 پر درست ہے لیکن پرامپٹس نظر انداز کیے جا رہے ہیں: زیادہ تربیت یافتہ۔ پہلے چیک پوائنٹ استعمال کریں۔ اگلی بار اسٹپس آدھے کریں یا سیکھنے کی شرح 5e-5 پر لے آئیں۔
• کسی بھی وزن پر صرف مبہم مماثلت: کم تربیت یافتہ، یا ڈیٹاسیٹ بہت یکساں ہے۔ 500 اسٹپ بلاکس میں اسٹپس بڑھائیں، یا نئی زاویوں والی تصاویر شامل کریں۔
• LoRA Graydient پر کچھ نہیں کرتا: بیس میل نہیں کھاتا۔ Flux.1 LoRA کو <flux-dev> چاہیے؛ Flux 2 LoRA کو <flux2> چاہیے۔ یہ بھی چیک کریں کہ ٹریگر لفظ پرامپٹ میں ہو۔
• تربیت چل رہی ہے لیکن بہت سست ہے: یہ سسٹم میموری میں چلی گئی ہے، یا ڈیٹاسیٹ سست ڈرائیو پر ہے۔ پہلے پوائنٹ کی طرح میموری ٹھیک کریں، لیٹینٹس کیش کریں، اور ڈیٹاسیٹ کو SSD پر منتقل کریں۔

یہ پورا طریقہ ہے: ایک بیس، 20 صاف تصاویر، ایماندار کیپشنز، پانچ نمبر، ایک رن، ایک ٹیسٹ۔ آپ کا پہلا Flux LoRA بہترین نہیں ہوگا، اور دوسرا آدھا وقت لے گا۔ جب فائل موجود ہو، Graydient میں لاگ ان کریں کریں یا منصوبے اور قیمتیں سے موازنہ کریں تاکہ اسے جتنی بار چاہیں رینڈر کر سکیں۔ ہر پلان میں 7 دن کی منی بیک گارنٹی شامل ہے۔

سوالات

منصوبے اور قیمتیں دیکھیں