logo
pub

FluxGym ile Düşük VRAM ile Flux LoRA Eğitimi

Giriş

FluxGym, düşük VRAM (12G, 16G falan) ile Flux LoRAs'ı antrenman etmek için bir web arayüzü. Black Forest Labs tarafından Kohya-ss/sd-scripts kullanılarak geliştirildi. Amacı, daha az güce sahip GPU'ları olan kullanıcılar için antrenman sürecini kolaylaştırmak. Bu not, kullanıcıların karşılaştığı yaygın sorunları özetliyor ve çözümler sunuyor.

Sorun Tanımı

Kullanıcılar FluxGym kullanırken bir sürü sorunla karşılaşıyor, bunlar arasında yüksek VRAM kullanımı, uygulama problemleri ve antrenman sonuçlarındaki tutarsızlıklar var.

Yaygın sorunlar şunlar:

  • Optimizasyonlara rağmen yüksek VRAM gereksinimleri
  • Antrenman tutarsızlıkları
  • Ortam yapılandırmalarından kaynaklanan hatalar
  • Düşük VRAM kurulumlarında yavaş antrenman süreleri

Sorun 1: Yüksek VRAM Kullanımı

Optimizasyonlara rağmen bazı kullanıcılar VRAM kullanımının hâlâ çok yüksek olduğunu düşünüyor. Mesela:

GÜNCELLEME: Florence-2 Otomatik altyazının önbelleği temizlemediğini öğrendim... bu tek başına 4GB VRAM azaltıyor! Şimdi, 20G seçeneği sadece 16G ile çalışıyor.

Bağlantı: GitHub Değişikliği

Çözüm:

  • GitHub'dan en son versiyonu çektiğinizden emin olun.
  • Uygun yerlerde torch.cuda.empty_cache() fonksiyonunu kullanarak önbelleği manuel olarak temizleyin.

Sorun 2: Antrenman Yapılandırmaları

Bazı kullanıcılar antrenman parametrelerini daha iyi sonuçlar için nasıl ayarlayacaklarını bilmiyor. Örnek:

bu temel yapılandırma 4090 için en uygun mu? yoksa farklı bir yapılandırma ile daha fazla hız elde edilebilir mi?

Karşılaştırma:

  • A4500: 58 dakika (1300 adım)
  • 4090: 20 dakika (1200 adım)

Çözüm:

  • Ayarları özelleştirmek için gelişmiş sekmeyi kullanın; burada dönemler, öğrenme oranları ve çözünürlükler gibi şeyleri ayarlayabilirsiniz.
  • Ayarları değiştirme örneği:
    https://x.com/cocktailpeanut/status/1832113636367876446

Sorun 3: Ortam Kurulum Problemleri

Hatalar çoğu zaman ortam ve bağımlılık problemlerinden kaynaklanıyor. Örnek:

return Variable._execution_engine.run_backward( # Gerçekten saatlerce süren C++ motoruna dönüş yapıyor"

Çözüm:

  • Python uyumluluğunu kontrol edin ve tüm bağımlılıkların düzgün şekilde yüklü olduğunu doğrulayın.
  • Yardım için bu tartışmaya göz atın:
    https://github.com/pinokiofactory/factory/discussions/6

Sorun 4: Antrenman Sonuçlarındaki Tutarsızlıklar

Kullanıcılar antrenman yaparken tutarsız sonuçlar bildirmiş. Örnek:

orijinal antrenman bekleneni karşılamıyorsa, daha iyi sonuçlar almak için ayarları nasıl ayarlarız bilen var mı?

Çözüm:

  • Adım ve dönem gibi parametreleri veri setinin kalitesine ve büyüklüğüne göre gözden geçirin ve ayarlayın.
  • Detaylı işler için daha yüksek çözünürlükler kullanın:
    https://x.com/cocktailpeanut/status/1832098084794356081

Ekstra İpuçları

İpucu 1: Güncellemeleri Takip Et

Düzenli olarak güncellemeleri kontrol edin, yeni optimizasyonlardan yararlanın.

İpucu 2: Uygun Veri Setleri Kullanın

Yüksek kaliteli ve iyi etiketlenmiş veri setleri daha iyi antrenman sonuçları sağlar.

İpucu 3: Toplulukla Etkileşimde Bulunun

Destek ve tavsiyeler için ilgili forumlarda ve tartışmalarda yer alın.

Bu strateji ve ipuçlarını takip ederek, düşük VRAM ile Flux LoRAs'ı antrenman etmek için FluxGym'den en iyi şekilde yararlanabilirsiniz. İyi antrenmanlar!

SHARE