打标 - 批量反推版本20240923_wd_2 (ID: 882326)

（这个打标一键包后续大概率不会折腾并更新了）

一键包：20240922 /20240923 /20241011

• 20241011_jc 对应 JoyCaption-Pre-Alpha-Batch_20241010_1331_93e4207a.zip

• 20241011_wd 对应 WD14-Batch_20241010_1453_00b0af07.zip

• 20240923_wd_2 对应 wd14-tagger-standalone_eff5dd41.zip ,

• 20240922_wd 对应 wdv3-batch-vit-tagger_27892e24.zip ,

• 20240922_jt 对应 joytag-batch_fbd67196.zip ,

• 20240920_jc 对应 joy-caption-batch_3abeaedf.zip ,

工作流：20240909

---

20241011

面向 ChatGPT 编程的产物：

https://github.com/SGN-EARTH/WD14-Batch

包含 wd-eva02-large-tagger-v3 和 wd-vit-tagger-v3 ，默认使用 wd-eva02-large-tagger-v3 ,

文件名称: WD14-Batch_20241010_1453_00b0af07.zip

文件大小: 1.52 GB (1,634,922,203 字节)

实际占用：1.80 GB

MD5: 3184C6FCB830BDB9CFFC2E307BA159DB

SHA1: 0026C42868C30A4FD1B30AFFCF93E1EC6CB0AF07

CRC32: 87D20904

https://github.com/SGN-EARTH/JoyCaption-Pre-Alpha-Batch

包含 Meta-Llama-3.1-8B-bnb-4bit 和 Meta-Llama-3.1-8B ，默认使用 Meta-Llama-3.1-8B ,

文件名称: JoyCaption-Pre-Alpha-Batch_20241010_1331_93e4207a.zip

文件大小: 22.6 GB (24,289,098,531 字节)

实际占用：28.8 GB

MD5: 091B95F624FB7FA9FBA8F4C406EDB4E8

SHA1: 93FEBC123C7683211D8BC4B36264EFD9C8E4207A

CRC32: 3184CCE2

---

20240923

重新上传文件,使用 7-zip 命令行打包文件，文件大小会比之前的少上一些,

7z a -tzip -mx=3 -mm=Deflate -mfb=32 -mpass=1 -mmt=16 -mtc=off -snl

文件名称: wdv3-batch-vit-tagger_27892e24.zip

文件大小: 3.05 GB (3,276,890,333 字节)

实际占用：5.64 GB

MD5: 258154EB8FA5F5CB54C70DBD73D1B918

SHA1: 27AFFE0A5E942409317661C3AA526F9BCE892E24

CRC32: 74642B7B





文件名称: joytag-batch_fbd67196.zip

文件大小: 2.76 GB (2,967,319,456 字节)

实际占用：4.94 GB

MD5: 1643EB2F9DC38C7D86D71DB5E4EF1C42

SHA1: FB41FCEC1781F369B49C064CF173D56F99D67196

CRC32: 043EDA1D





文件名称: joy-caption-batch_3abeaedf.zip

文件大小: 10.6 GB (11,465,193,889 字节)

实际占用：13.9 GB

MD5: B400006D28EE76AF67D89F14F59E0432

SHA1: 3A23FAE5A79D938744871E7A4394B27E16BEAEDF

CRC32: BA9D55C0





文件名称: wd14-tagger-standalone_eff5dd41.zip

文件大小: 6.98 GB (7,501,150,905 字节)

实际占用：8.38 GB

MD5: 5878151167DEDDDBC0FB6E1222F2045C

SHA1: EFE0382F28ECFDDD62E3570163FE4A14D7F5DD41

CRC32: DDED6CCB

因压缩时保留了符号链接，某些系统可能无法完整解压，可尝试先给解压缩工具管理员权限再解压,

开始菜单 -> 7-ip -> （右键 - 更多 - 以管理员身份运行）-> 找到文件 -> 右键解压

个人不建议使用 joytag ,有些图男的能识别成女的，有些还带上多余的单词,如果打标每张图都审核确认一番，那就很牛逼→_→

wd14-tagger-standalone

https://github.com/corkborg/wd14-tagger-standalone

把图片丢 input 里，运行 run2.bat ,或者运行 python run.py -h 查看使用帮助,

包已包含以下模型：



wd14-vit.v1

SmilingWolf/wd-v1-4-vit-tagger



wd14-vit.v2

SmilingWolf/wd-v1-4-vit-tagger-v2

        

wd14-convnext.v1

SmilingWolf/wd-v1-4-convnext-tagger

        

wd14-convnext.v2

SmilingWolf/wd-v1-4-convnext-tagger-v2



wd14-convnextv2.v1

SmilingWolf/wd-v1-4-convnextv2-tagger-v2



wd14-swinv2-v1

SmilingWolf/wd-v1-4-swinv2-tagger-v2



wd-v1-4-moat-tagger.v2

SmilingWolf/wd-v1-4-moat-tagger-v2



wd-v1-4-vit-tagger.v3

SmilingWolf/wd-vit-tagger-v3



wd-v1-4-convnext-tagger.v3

SmilingWolf/wd-convnext-tagger-v3



wd-v1-4-swinv2-tagger.v3

SmilingWolf/wd-swinv2-tagger-v3



wd-vit-large-tagger-v3

SmilingWolf/wd-vit-large-tagger-v3



wd-eva02-large-tagger-v3

SmilingWolf/wd-eva02-large-tagger-v3



z3d-e621-convnext-toynya

toynya/Z3D-E621-Convnext



z3d-e621-convnext-silveroxides

silveroxides/Z3D-E621-Convnext



mld-caformer.dec-5-97527

deepghs/ml-danbooru-onnx



mld-tresnetd.6-30000

deepghs/ml-danbooru-onnx

,,,或者试试 wd-joy-caption-cli 集成了 WD14 和 JoyCaption ,

---

20240922

所谓的一键包,

wdv3-batch-vit-tagger

https://github.com/Ketengan-Diffusion/wdv3-batch-vit-tagger

运行 run2.bat 后在浏览器内操作,

修改了一点点参数：【Hide rating tags】和【Character tags first】按钮默认勾选；运行自动打开浏览器,

文件实际占用 5.64GB

文件名称: wdv3-batch-vit-tagger.zip

文件大小: 3.37 GB (3,629,678,604 字节)

MD5: 06A39A326055D4F38107A56C99D7CFCA

SHA1: 441A76087458EE93765E029947E64C5AF7F5377B

CRC32: 41B9B143

joytag-batch

https://github.com/MNeMoNiCuZ/joytag-batch

把图片丢 input 里，运行 run2.bat ,

修改了一点点：

# batch.py

import sys

# 将当前目录添加到sys.path

sys.path.append(os.path.dirname(os.path.abspath(__file__)))

文件实际占用 4.94GB ,

文件名称: joytag-batch.zip

文件大小: 2.76 GB (2,967,319,429 字节)

MD5: B4C1AE347A9F81DEA7422B18F6454F65

SHA1: 430C5A370D609F771B386BDFE072CE768136DD07

CRC32: 88AC5CC9

---

20240920

所谓的一键包,

原始项目 joy-caption-batch 和我没有关联，有项目的问题可以找大佬问,我只是一位假装热心的大陆网友,

目录迁移到其他路径或其他电脑仍能运行,显存占用 9.1 GB 左右，RTX3060_12G 和 RTX2080Ti_22G 测试能正常运行，其他自己测试,

文件实际占用 13.9GB ，压缩后占用 18.5GB 是文件链接的毛病,

文件名称: joy-caption-batch.zip

文件大小: 18.5 GB (19,935,163,190 字节)

MD5: 999699AEF755D1487EB3DD4DCF7161E6

SHA1: 9B560FBFA79DFF0BD1EA169F06781CD6F3A09FD9

CRC32: 10BC9D3F

怎么使用：

把图片丢 input 目录内，运行 run2.bat 或者运行 run.bat 后再执行 python batch.py ,

batch2.py 是让 ChatGPT 改造成了使用离线模型,batch.py 配置了 HF_HOME 模型也下载完成了，有时候运行时还是请求 huggingface ,

最好完全断网再运行，或保证网络能访问 huggingface ，再不行就运行 python batch2.py ，也可以尝试配置环境变量 HF_ENDPOINT ,

---

简单创建跑路包流程：

（ 开个 SSSVIP 会员 /三连了，求发！我什么都可以做！ /换个网盘吧 /XXXX！XXXX！XXX！）

1.获取文件

git clone https://github.com/MNeMoNiCuZ/joy-caption-batch.git

2.下载

https://www.python.org/ftp/python/3.11.9/python-3.11.9-embed-amd64.zip



https://bootstrap.pypa.io/get-pip.py

3.开始安装

解压 python-3.11.9-embed-amd64.zip 到 python 目录，把 get-pip.py 丢 python 目录中，然后把 python 目录移动到 joy-caption-batch 目录内；



运行 run.bat ，执行 python python\get-pip.py ；



编辑 python\python311._pth 把 import site 所在行开头的 # 符号去除，保存文件,

4.安装依赖

python -m pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124



python -m pip install -r requirements.txt

run.bat 内容

@echo off



cd /d %cd%

:: cd /d %~dp0



set DIR=%cd%



:: https://www.python.org/ftp/python/

:: https://www.python.org/ftp/python/3.11.9/python-3.11.9-embed-amd64.zip

:: https://bootstrap.pypa.io/get-pip.py



set PATH=%DIR%\python;%DIR%\python\Scripts;%PATH%;

:: set PATH=%DIR%\git\bin;%DIR%\python;%DIR%\python\Scripts;%PATH%;

set PY_LIBS=%DIR%\python\Scripts\Lib;%DIR%\python\Scripts\Lib\site-packages

set PY_PIP=%DIR%\python\Scripts

set PIP_INSTALLER_LOCATION=%DIR%\python\get-pip.py



set HF_HOME=%DIR%\hf

:: set HF_ENDPOINT=https://hf-mirror.com

:: set HUGGINGFACE_HUB_DISABLE_CACHE=1



:: 安装 pip 后不可使用时，可尝试编辑 %DIR%\python\pythonXXX._pth 去掉 import site 的注释



:: python 脚本将当前目录添加到 sys.path

::      import os

::      import sys

::      sys.path.append(os.path.dirname(os.path.abspath(__file__)))



:: 包临时缓存路径

set PIP_CACHE_DIR=%DIR%\cache



:: 缓存,off 禁用，on 启用

:: set PIP_NO_CACHE_DIR=off



:: 包索引 URL

set PIP_INDEX_URL=https://mirrors.cloud.tencent.com/pypi/simple

:: https://pypi.org/simple

:: https://mirrors.163.com/pypi/simple/

:: https://mirrors.cloud.tencent.com/pypi/simple

:: https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple



:: python -m pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124



:: 额外包索引 URL

:: set PIP_EXTRA_INDEX_URL=https://pypi.org/simple



:: 请求包索引超时时间,单位：秒,

set PIP_TIMEOUT=10



:: 更详细的调试信息

:: set PIP_VERBOSE=1



cmd /k

这个创建方式适用于很多 python 项目,

---

或者看看这个方式：

整合包？你也能做,打包AI项目,打包CUDA,打包CUDNN,打包TensorRT,打包FFMPEG,AI项目整合包制作

https://www.bilibili.com/video/BV1jMyeYrErW/

---

20240909

压缩包内包含四个文件,JoyCaption_WD14-JoyTag_Batch_XX ：使用 WD14、JoyTag 或 JoyCoption 批量输入输出反推，仅输入输出节点不一样,

• WD14-ClipInterrogator-JoyTag-JoyCoption-MiniCPMv2-CogFlorence2-InternVL2.json ：单一张图使用那么多的工具反推,

• JoyCaption_WD14-JoyTag_Batch_V1.json ：执行一次会输入一张新的图片，想要跑几张就修改 ComfyUI 执行的批次数量,跑完一组后会进入下一组,所有组跑完后进入下一张,节点会输出文本，文本文件名称为图片名称,

• JoyCaption_WD14-JoyTag_Batch_V2.json ：执行一次会把索引图片都输出，跑完一个节点后会进入下一个节点，跑完一组后会进入下一组,节点会输出文本,

• JoyCaption_WD14-JoyTag_Batch_V3.json ：（同V2）节点会输出图片和文本，输出的图片和文本处于同一目录内,

V2 和 V3 的 WD14 节点面板会越界，图片越多面板拉得越长,

---

WD14

https://github.com/pythongosssss/ComfyUI-WD14-Tagger

（编辑 pysssss.json 可以再加入 wd-vit-large-tagger-v3 和 wd-eva02-large-tagger-v3）

ClipInterrogator

https://github.com/unanan/ComfyUI-clip-interrogator

JoyCaption /Florence /MiniCPM

https://github.com/StartHua/Comfyui_CXH_joy_caption

JoyTag

https://github.com/StartHua/Comfyui_joytag

JoyCaption /JoyTag

https://github.com/aidenli/ComfyUI_NYJY

InternVL2

https://github.com/leeguandong/ComfyUI_InternVL2

---

如果仅使用 JoyCaption 反推，可以试试 https://github.com/MNeMoNiCuZ/joy-caption-batch ，完全脱离 Comfyui 环境，速度很快,作者也有好几个用于反推的工具,

安装 joy-caption-batch 大概是这些流程：

1，git clone https://github.com/MNeMoNiCuZ/joy-caption-batch



2，运行 venv_create.bat ...



3，运行 venv_activate.bat



4，pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

对于各种自动下载模型（huggingface）的节点，最好设置环境变量 HF_HOME ,方便带着模型跑路（特别是 ClipInterrogator ）,

（如果是 Comfyui 里可以编辑根目录 run_nvidia_gpu.bat 在首行添加 set HF_HOME=huggingface ,）

在 joy-caption-batch 中可以在完成初始环境后编辑 venv_activate.bat 添加 set HF_HOME=hf 环境变量,或者新增一个批处理，内容如下：

@echo off



cd %cd%



set HF_HOME=hf



set VENV_PATH=venv



:: set VENV_PATH=%cd%\venv



echo.



echo Activating virtual environment...



call "%%VENV_PATH%%\Scripts\activate"



echo Virtual environment activated.



echo %cd%



cmd /k python batch.py



pause

自定义某些参数可以修改编辑 batch.py

LOW_VRAM_MODE：为 True 使用低显存模式



TEMPERATURE：控制预测的随机性,较低的值使输出更集中且确定性更强，而较高的值则增加随机性,



TOP_K：将采样池限制为每一步最可能的前 K 个选项,较低的值使输出更具确定性，而较高的值则允许更多的多样性



MAX_NEW_TOKENS：生成的最大令牌数,这限制了生成文本的长度,

个人仅修改了这三个参数：

LOW_VRAM_MODE = True



TEMPERATURE = 0.35



MAX_NEW_TOKENS = 1024

---

其他反推工具：

https://github.com/smthemex/ComfyUI_Pic2Story

https://github.com/shadowcz007/comfyui-mixlab-nodes （也有反推节点）

使用 ollama 节点跟各种大模型扯皮输出图片描述也不是不行,

描述:

训练词语: