Тренировка LoRA своего лица: сколько фоток, какие настройки, на чём учить

[valru]

Хочу натренить LoRA на себя для аватарок. Сколько реально нужно фоток и какие параметры под Flux? Гайды противоречат друг другу: где-то 15, где-то 100 изображений.

[Bill2001]

Для лица 20-30 качественных фоток с разных ракурсов и при разном свете хватает за глаза. Качество датасета важнее количества — выкинь размытые и однотипные. 100 одинаковых селфи дадут переобучение.

[ansible777]

Ключевое — чистый датасет и правильные подписи. Под Flux я учу через ai-toolkit, обычно 1500-2500 шагов, lr 1e-4, ранг 16. Главное не пересушить, иначе лицо лезет во все генерации как водяной знак.

[redislover]

@ansible777 а на чём учишь? У меня только 3060 12гб, Flux LoRA вообще реально на ней или сразу в облако?

[dannii]

@redislover на 12 гигах Flux LoRA впритык, но реально с low VRAM настройками и fp8, будет медленно. Если время дорого — RunPod, час A100 копейки стоит, обучение займёт минут 30-40.

[async2010]

Совет: обязательно держи отдельные фотки в полный рост и портреты, иначе LoRA будет уметь только 'голову крупным планом'. И один и тот же триггер-токен везде, типа 'ohwx man'.

[cronk]

Ещё момент по железу: тренировка любит не только VRAM но и быстрый диск под кэш латентов. На HDD кэширование датасета превращается в пытку, ssd обязателен.

[sasha42]

Спасибо всем, план понятен: 25 разных фоток, ai-toolkit, ранг 16, ~2000 шагов, считать на RunPod. Отпишусь по результату.

[juniorstack]

Тренировал LoRA на себя под Flux Dev примерно три месяца назад, вот конкретные цифры которые у меня сработали: 25-30 фото, не меньше. Важна не только квантитативность но и разнообразие — разные ракурсы (фас, три четверти, профиль), разное освещение (дневное, вечернее, студийное), разный фон и одежда. Если 15 фоток — все в одинаковых условиях, модель зазубривает фон и одежду вместе с лицом. Подписи делай через JoyCaption или florence2, вручную для каждой фотки добавляй 'photo of [trigger_word] person'.

[wasmnerd]

Параметры под Flux: rank 16-32, alpha равна rank, lr 1e-4 для unet, 2e-5 для te если вообще тренируешь text encoder (под Flux часто не надо). Эпох 15-20, не больше, смотри на validation images каждые 5 эпох — как только лицо стало узнаваемым и фон не перетягивается, стоп. На RTX 3060 12GB тренировка 20 эпох занимает около 40 минут в kohya_ss с batch size 1 и gradient checkpointing. На Runpod A100 — минут 8 и можно не экономить на параметрах.