استخدام FluxGym لتدريب Flux LoRA ذاكرة VRAM منخفضة

مقدمة

FluxGym هو واجهة ويب لتدريب Flux LoRAs باستخدام VRAM قليل (مثل 12G، 16G، وهكذا). تم تطويره من قبل Black Forest Labs باستخدام Kohya-ss/sd-scripts، وهدفه هو تبسيط عملية التدريب للناس اللي عندهم GPUs أقل قوة. هالملاحظة تلخص المشاكل الشائعة اللي يواجهها المستخدمون وتقدم حلول.

وصف المشكلة

المستخدمون يعانون من مشاكل كثيرة أثناء استخدام FluxGym، مثل استهلاك VRAM عالي، ومشاكل بالتركيب، واختلافات في نتائج التدريب.

المشاكل الشائعة تشمل:

متطلبات VRAM عالية حتى بعد التحسينات
اختلافات في التدريب
أخطاء ناتجة عن إعدادات البيئة
أوقات تدريب بطيئة على أنظمة VRAM الضعيفة

المشكلة ١: استهلاك VRAM العالي

حتى مع التحسينات، بعض المستخدمين يلاقون استهلاك VRAM لا زال مرتفع. مثال:

UPDATE: توني تعلمت إن مفهوم Florence-2 Auto-caption ما كان يمسح الذاكرة... هذا لوحده يبدو أنه يوفر 4GB VRAM! الحين، خيار 20G يشتغل فقط بـ 16G.

رابط: تغيير على GitHub

الحل:

تأكد إنك تسحب آخر إصدار من GitHub.
استخدم دالة torch.cuda.empty_cache() لمسح الذاكرة يدويًا حيثما ينطبق.

المشكلة ٢: إعدادات التدريب

بعض المستخدمين مو واضح لهم كيف يعدلون معايير التدريب للحصول على نتائج أفضل. مثال:

فهل هذا الإعداد الأساسي مثالي لـ 4090؟ أو هل يمكن زيادة السرعة باستخدام إعداد مختلف؟

مقارنة:

A4500: 58 دقيقة (1300 خطوة)
4090: 20 دقيقة (1200 خطوة)

الحل:

استخدم التبويب المتقدم لتخصيص الإعدادات، مثل عدد الحلقات، ومعدلات التعلم، والدقة.

مثال على تعديل الإعدادات:

https://x.com/cocktailpeanut/status/1832113636367876446

المشكلة ٣: مشاكل إعداد البيئة

الأخطاء غالبًا ما تكون ناتجة عن مشاكل في البيئة والتبعية. مثال:

return Variable._execution_engine.run_backward( # يستدعي محرك C++ لتنفيذ العمليات العكسية لأكثر من ساعة ونصف.

الحل:

تأكد من توافق بايثون وتحقق من تثبيت جميع التبعيات بشكل صحيح.

راجع هذه المناقشة للمساعدة:

https://github.com/pinokiofactory/factory/discussions/6

المشكلة ٤: اختلافات في نتائج التدريب

المستخدمون يشتكون من نتائج غير متناسقة أثناء التدريب. مثال:

هل يعرف أحد كيف يضبط الإعدادات للحصول على نتائج أفضل لما التدريب الأصلي مو مطابق للتوقعات؟

الحل:

راجع وضبط المعايير مثل الخطوات والحلقات بناءً على جودة وحجم مجموعة البيانات.
استخدم دقات أعلى للعمل التفصيلي:
```
https://x.com/cocktailpeanut/status/1832098084794356081
```

نصائح إضافية

نصيحة ١: تابع التحديثات

تحقق من التحديثات بشكل دوري للاستفادة من التحسينات الجديدة.

نصيحة ٢: استخدم مجموعات بيانات مناسبة

مجموعات البيانات عالية الجودة والموسومة بشكل جيد تعطي نتائج تدريب أفضل.

نصيحة ٣: شارك مع المجتمع

شارك في المنتديات والمناقشات المناسبة للحصول على الدعم والنصائح.

باتباع هالاستراتيجيات والنصائح، تقدر تستفيد من FluxGym في تدريب Flux LoRAs باستخدام VRAM قليل. بالتوفيق في التدريب!