NovelAI 5ch Wiki

• bmaltais版 GUI

• ddPn08版 GUI - AUTOMATIC1111 SD WebUI エクステンション対応版

• エクステンションとしても使えるけどモデル分のVRAM余分に食うからエクステンションで使う場合空モデル読み込ましやとのことや
• 使い方は本人のnoteでもぐぐって調べるんやで。検索もでけへんやつはこのWikiにはおらんやろ。
• WebUI割としょっちゅう壊れることやしこいつは単独起動もできるから単独で入れたほうがええんとちゃうかな…？
  • https://github.com/ddPn08/kohya-sd-scripts-webui

• self.base_model: str =

• self.v_parameterization: bool =

class ArgStore:
    # sd スクリプトのすべての可能な入力全体を表します。 重要度の高いものから順に並べられています（2023.02.10）
    def __init__(self):        
        # 重要 このあたりは変更する可能性が最も高いやつ
        self.base_model: str = r"C:\stable-diffusion-webui\models\Stable-diffusion\nai.ckpt"  # 学習させるベースモデルの場所を右みたいに書く r"E:\sd\stable-diffusion-webui\models\Stable-diffusion\nai.ckpt"
        self.img_folder: str = r"D:\train\images"    # 学習させる素材画像フォルダの場所書く　下記のガイドラインに添って配置してな
                                                     # これがフォルダ配置ガイドや: https://rentry.org/2chAI_LoRA_Dreambooth_guide_english#for-kohyas-script
        self.output_folder: str = r"D:\output\LoRA"  # 出力先のフォルダをここで設定する。学習途中のやつも最終結果もここに出す
        self.change_output_name: Union[str, None] = None  # 出力ファイル名を変更する
        self.save_json_folder: Union[str, None] = None    # オプション、設定の json フォルダーをここで設定した場所に保存します。
        self.load_json_path: Union[str, None] = None      # オプション、json ファイルをロードすると、構成が一致するように部分的に変更されます。
        self.json_load_skip_list: Union[list[str], None] = None  # ユーザーがjsonをロードするときにスキップするものを定義できるようにします,
                                                                 # 重要: デフォルトでは、すべてのパスを含むすべてをロードします。
                                                                 # 除外する形式は次のようになります: ["base_model", "img_folder", "output_folder"]
        self.multi_run_folder: Union[str, None] = None  # オプション、スクリプトによって生成された json を含むフォルダーに設定すると、それらのスクリプトを使用してトレーニングが開始されます。
                                                        # すべてが確実にロードされるように、json_load_skip_list を無視することに注意してください。
                                                        # 重要: これにより、ここで設定されたすべてのパラメーターも無視され、代わりに json ファイル内のすべてのパラメーターが使用されます。
        self.save_json_only: bool = False  # トレーニングを行わずに json を生成したい場合は true に設定
        self.caption_dropout_rate: Union[float, None] = None  # ファイルのキャプションがドロップされる率.
        self.caption_dropout_every_n_epochs: Union[int, None] = None  # どの程度の頻度でエポックが完全に無視されるかを定義する
                                                                      # 3 はエポック 3, 6, 9 でのキャプションを無視することを意味します。
        self.caption_tag_dropout_rate: Union[float, None] = None  # キャプションファイル全体ではなく、タグが削除される割合を設定します。

        self.net_dim: int = 128  # ネットワーク dim、128 が最も一般的ですが、これよりも少ない値で動作する可能性があります
        self.alpha: float = 64   # 学習用のスカラーを表す。アルファ値が低いほど、1ステップあたりの学習量は少なくなる
                                 # 旧来の方法で学習させたい場合は、dimと同じ数値に設定する
        # スケジューラのリスト: linear, cosine, cosine_with_restarts, polynomial, constant, constant_with_warmup
        self.scheduler: str = "cosine_with_restarts"     # 学習率に関するスケジューラ。それぞれ特定の処理を行う
        self.cosine_restarts: Union[int, None] = 1       # オプション, 再起動回数を表す. cosine_with_restartsを使っている場合のみ重要。
        self.scheduler_power: Union[float, None] = 1     # オプション, 多項式の累乗を表します。多項式を使用している場合のみ重要。
        self.warmup_lr_ratio: Union[float, None] = None  # オプション, 与えられた比率に基づいて，ウォームアップのステップ数を計算する．
                                                         # constant_with_warmupを使用している場合は必ず設定してください。
                                                         # Noneと書くと設定しない
        self.learning_rate: Union[float, None] = 1e-4    # オプション,  設定しない場合lrはadamWに従って1e-3に設定される。個人的にはlrが低い方が少し良さそうなのでそう設定することをお勧めします。
        self.text_encoder_lr: Union[float, None] = None  # オプション, テキストエンコーダの特定のlrを設定する、これはベースlrを上書きすると思う。
        self.unet_lr: Union[float, None] = None          # オプション, unetに特定のlrを設定、これはベースlrを上書きすると思います。 無視する場合はNone
        self.num_workers: int = 1  # 画像の読み込みに使用されるスレッドの数、低いと高速化される。
                                   # エポックの開始は速くなるが、データのロードは遅くなる。ここでの仮定は
                                   # この値を小さくすると学習時間が長くなると想定している。
        self.persistent_workers: bool = True  # ワーカーを永続化させ、エポック間の遅延をさらに減らす/なくす。ただし、メモリ使用量が増加する可能性があります

        self.batch_size: int = 1  # 一度に処理される画像の枚数。
                                  # 12GBのVRAMで512の場合、最大6バッチサイズになります。
        self.num_epochs: int = 1  # エポック数、もし最大ステップ数を設定した場合、この値はステップ数を計算しないので無視される。
        self.save_every_n_epochs: Union[int, None] = 1 # オプション, エポックごとに保存する頻度を設定、Noneと書くと保存しない。
        self.shuffle_captions: bool = True             # オプション, キャプションをシャッフルして学習させる。Trueで有効、Falseで無効
        self.keep_tokens: Union[int, None] = 1         # オプション, 先頭に書いたトークンをキープするかどうか。Noneと書くと何もしない
        self.max_steps: Union[int, None] = None        # オプション, ステップ数を決めている場合、直接設定することができる。設定しない場合はNoneと書く
        self.tag_occurrence_txt_file: bool = False     # オプション, あなたのデータセットに含まれる全てのタグの出現回数を記録したtxtファイルを作成する。
                                                       # メタデータがある限り、メタデータにもこれが含まれるので、デフォルトでこれをオンにする必要はない。
                                                       # 出力チェックポイントと同じフォルダーに自動的に出力されます。

        # このあたりからは猛者は変えるかもしれない設定
        self.train_resolution: int = 512
        self.min_bucket_resolution: int = 320
        self.max_bucket_resolution: int = 960
        self.lora_model_for_resume: Union[str, None] = None  # オプション, 入力LoRAから学習を継続する。
                                                             # 正確には”そうあるべき”方法でないが動作します。
        self.save_state: bool = False  # オプション, 学習状態を保存して学習を継続するためのもの, Falseは無視する。
        self.load_previous_save_state: Union[str, None] = None  # オプション, トレーニングの状態をロードして継続的なトレーニングに利用する、設定しないならNone
        self.training_comment: Union[str, None] = None  # オプション, アクティベーショントークンのようなものを
                                                        # メタデータに入れるには最適な方法。現時点では機能していないようです
        self.unet_only: bool = False  # OPTIONAL, unetだけを学習させるように設定する。
        self.text_only: bool = False  # OPTIONAL, テキストエンコーダの学習のみを行うように設定する。

        # これらは、変更する可能性が最も低いものです
        self.reg_img_folder: Union[str, None] = None  # オプション, 正則化画像フォルダの場所を設定　設定しない場合はNoneと書く 
        self.clip_skip: int = 2   # アニメ系のモデルで学習する場合は、ほとんどのモデルがそのように設計されているので、この値を2にしておく。
        self.test_seed: int = 23  # これは「再現可能なシード」であり、基本的にこのシードに設定すれば、
                                  # 学習用画像からプロンプトを入力し、それに近い表現を得ることができるはずである。
        self.prior_loss_weight: float = 1          # これはDreamboothと同じように、LoRAの学習に必要な損失重み付けである。
        self.gradient_checkpointing: bool = False  # オプション, グラデーションのチェックポイントを有効にする．
        self.gradient_acc_steps: Union[int, None] = None  # オプション, ワイも実際何かわからんけど設定できるようにしといた
        self.mixed_precision: str = "fp16"    # もしbf16を使えるなら使ったほうがいい。
        self.save_precision: str = "fp16"     # bf16でも保存できるが、汎用的ではないのでfp16で保存しておくことをお勧めします。
        self.save_as: str = "safetensors"     # pt, ckpt, safetensorsのどれかで保存できるよ
        self.caption_extension: str = ".txt"  # .captions,形式も使えるけどwd1.4taggerはtxtで出力するから、txtをデフォルトとする。
        self.max_clip_token_length = 150      #  75, 150, または225にすることができると思う。
        self.buckets: bool = True
        self.xformers: bool = True
        self.use_8bit_adam: bool = True
        self.cache_latents: bool = True
        self.color_aug: bool = False    # 重要: cache_latents と衝突するので、どちらか一方だけをオンにすること!
        self.flip_aug: bool = False
        self.random_crop: bool = False  # 重要: cache_latents と衝突するので、どちらか一方だけをオンにすること!
        self.vae: Union[str, None] = None      #  特定のVAEを使わない場合、結果を悪化させるだけのようなので、おそらく使用しない方がよいでしょう。
        self.no_meta: bool = False             # safetensorsに保存されるメタデータが削除されます(これは残しておく必要があります)。
        self.log_dir: Union[str, None] = None  # ログ出力する。ほとんどの人にとって有益なものではありません。.
        self.bucket_reso_steps: Union[int, None] = None  # バケットを作るときに取られる手順で、任意のものにすることができます。
                                                         # 1以上の任意の正の値であることができます
        self.bucket_no_upscale: bool = False   # バケット内の画像のアップスケーリングを無効にする
        self.v2: bool = False                  # SD2.1のトレーニングを設定
        self.v_parameterization: bool = False  # v2も設定されており、768倍速版のv2を使用している場合のみ使用します