Train a Concept Slider LoRA with AI Toolkit

Ostress présente de nouvelles fonctionnalités ajoutées à l'outil AI Toolkit, notamment des curseurs qui permettent d'ajuster des effets dans les modèles d'IA. Ces curseurs, qui ont été développés à l'origine pour Stable Diffusion 1.5, permettent de modifier des concepts en ajustant le poids de la Lora, facilitant ainsi l'entraînement des modèles sans nécessiter de nouveaux ensembles de données.

Ostress explique comment il va utiliser deux GPU pour entraîner un curseur de détail sur le modèle Quinn. Il souligne que cette méthode fonctionne avec divers modèles d'IA et qu'il est possible d'utiliser des services cloud comme RunPod pour ceux qui n'ont pas de GPU puissant. Il montre également comment activer le nouvel outil de formation de curseurs dans l'interface utilisateur.

Il choisit un ensemble de données simple en générant des images d'une personne et commence à configurer le curseur de détail. Il explique les paramètres qu'il utilise, notamment le taux d'apprentissage et le nombre d'étapes d'entraînement, tout en soulignant que l'objectif est de modifier les détails sans changer la composition globale de l'image.

Ostress aborde la manière dont le curseur de détail fonctionne, en expliquant comment il génère des prédictions avec et sans la Lora active. Il discute de l'importance de la classe d'ancrage pour régulariser les résultats et éviter des hallucinations indésirables dans les images générées.

Il ajuste les invites positives et négatives pour améliorer la qualité des images générées, en ajoutant des détails comme 'haute définition' et 'design complexe' dans l'invite positive, et des termes comme 'simple' et 'plat' dans l'invite négative. Il souligne l'importance de l'itération pour obtenir des résultats optimaux.