Kashino Bikini (Azur Lane) | 樫野 泳装（碧蓝航线）版本v1.0 (ID: 178164)

樫野乳業、信頼できる?

2023.10.08：

• 使用更多的触发词进行较为精准的控制,

• Use more trigger words for more precise control.

  • Main Trigger Words：kashino，hair_flower_yz，white choker，white_bikini_yz

  • Secondary Trigger Words：crossed bandaids，arm strap，see-through sleeves, thigh strap

  • Test Words: cow tail, paizuri on lap, breasts squeezed together

其他：

Bikini ≈ YongZhuang = YZ

牛牛看到牛牛后牛牛要炸?

牛牛想入牛牛听牛牛哞哞?

Training Set:

• number of repeats = 2

  • close-up = 10

  • portrait = 10

  • upper body = 10

  • cowboy shot = 10

  • full body = 5

  • sitting = 10

  • lying = 10

  • other pose = 5

  • other-clothes = 10

  • nude = 10

  • paizuri = 10

• number of images = 100

• number of epochs = 13

#!/bin/bash

# LoRA train script by @Akegarasu

​

# Train data path | 设置训练用模型、图片

pretrained_model="./sd-models/model.safetensors" # base model path | 底模路径

is_v2_model=0                                    # SD2.0 model | SD2.0模型 2.0模型下 clip_skip 默认无效

parameterization=0                               # parameterization | 参数化 本参数需要和 V2 参数同步使用 实验性功能

train_data_dir="./train/kashino-v1"              # train dataset path | 训练数据集路径

reg_data_dir=""                                  # directory for regularization images | 正则化数据集路径，默认不使用正则化图像,

​

# Network settings | 网络设置

network_module="networks.lora" # 在这里将会设置训练的网络种类，默认为 networks.lora 也就是 LoRA 训练,如果你想训练 LyCORIS（LoCon、LoHa） 等，则修改这个值为 lycoris.kohya

network_weights=""             # pretrained weights for LoRA network | 若需要从已有的 LoRA 模型上继续训练，请填写 LoRA 模型路径,

network_dim=32                 # network dim | 常用 4~128，不是越大越好

network_alpha=16               # network alpha | 常用与 network_dim 相同的值或者采用较小的值，如 network_dim的一半 防止下溢,默认值为 1，使用较小的 alpha 需要提升学习率,

​

# Train related params | 训练相关参数

resolution="768,768"  # image resolution w,h. 图片分辨率，宽,高,支持非正方形，但必须是 64 倍数,

batch_size=2          # batch size

max_train_epoches=20  # max train epoches | 最大训练 epoch

save_every_n_epochs=1 # save every n epochs | 每 N 个 epoch 保存一次

​

train_unet_only=0            # train U-Net only | 仅训练 U-Net，开启这个会牺牲效果大幅减少显存使用,6G显存可以开启

train_text_encoder_only=0    # train Text Encoder only | 仅训练 文本编码器

stop_text_encoder_training=0 # stop text encoder training | 在第N步时停止训练文本编码器

​

# 噪音

noise_offset="0" # noise offset | 在训练中添加噪声偏移来改良生成非常暗或者非常亮的图像，如果启用，推荐参数为0.1

keep_tokens=2    # keep heading N tokens when shuffling caption tokens | 在随机打乱 tokens 时，保留前 N 个不变,

min_snr_gamma=0  # minimum signal-to-noise ratio (SNR) value for gamma-ray | 伽马射线事件的最小信噪比（SNR）值  默认为 0

​

multires_noise_iterations=6 # 多分辨率（金字塔）噪声迭代次数 推荐 6-10,无法与 noise_offset 一同启用,

multires_noise_discount=0.3 # 多分辨率（金字塔）衰减率 推荐 0.3，须同时与上方参数 multires_noise_iterations 一同启用,

​

# Learning rate | 学习率

lr="3.5e-5"            # 3.5e-5=3.5*10^(-5)=0.000035

unet_lr="3.5e-5"       # 3.5e-5=3.5*10^(-5)=0.000035

text_encoder_lr="3e-6" #   3e-6=3.0*10^(-6)=0.000003

lr_scheduler="cosine_with_restarts" # "linear", "cosine", "cosine_with_restarts", "polynomial", "constant", "constant_with_warmup", "adafactor"

lr_warmup_steps=0                   # warmup steps | 学习率预热步数，lr_scheduler 为 constant 或 adafactor 时该值需要设为0,

lr_restart_cycles=1                 # cosine_with_restarts restart cycles | 余弦退火重启次数，仅在 lr_scheduler 为 cosine_with_restarts 时起效,

​

# Output settings | 输出设置

output_name="kashino-v1"     # output model name | 模型保存名称

save_model_as="safetensors"  # model save ext | 模型保存格式 ckpt, pt, safetensors

​

# Resume training state | 恢复训练设置

save_state=0 # save state | 保存训练状态 名称类似于 <output_name>-??????-state ?????? 表示 epoch 数

resume=""    # resume from state | 从某个状态文件夹中恢复训练 需配合上方参数同时使用 由于规范文件限制 epoch 数和全局步数不会保存 即使恢复时它们也从 1 开始 与 network_weights 的具体实现操作并不一致

​

# 其他设置

min_bucket_reso=256              # arb min resolution | arb 最小分辨率

max_bucket_reso=1024             # arb max resolution | arb 最大分辨率

persistent_data_loader_workers=0 # persistent dataloader workers | 容易爆内存，保留加载训练集的worker，减少每个 epoch 之间的停顿

clip_skip=2                      # clip skip | 玄学 一般用 2

​

# 优化器设置

optimizer_type="Lion" # Optimizer type | 优化器类型 默认为 AdamW8bit，可选：AdamW AdamW8bit Lion SGDNesterov SGDNesterov8bit DAdaptation AdaFactor

​

# LyCORIS 训练设置

algo="lora"  # LyCORIS network algo | LyCORIS 网络算法 可选 lora、loha、lokr、ia3、dylora,lora即为locon

conv_dim=4   # conv dim | 类似于 network_dim，推荐为 4

conv_alpha=4 # conv alpha | 类似于 network_alpha，可以采用与 conv_dim 一致或者更小的值

dropout="0"  # dropout | dropout 概率, 0 为不使用 dropout, 越大则 dropout 越多，推荐 0~0.5， LoHa/LoKr/(IA)^3暂时不支持

描述:

2023.10.08：

• 使用更多的触发词进行较为精准的控制。

• Use more trigger words for more precise control.

  • Main Trigger Words：kashino，hair_flower_yz，white choker，white_bikini_yz

  • Secondary Trigger Words：crossed bandaids，arm strap，see-through sleeves, thigh strap

  • Test Words: cow tail, paizuri on lap, breasts squeezed together

训练词语: kashino,hair_flower_yz,white choker,white_bikini_yz,crossed bandaids,arm strap,see-through sleeves,thigh strap,cow tail,paizuri on lap,breasts squeezed together