diff --git a/mikazuki/schema/lora-basic.ts b/mikazuki/schema/lora-basic.ts index bc8486d..3bacff8 100644 --- a/mikazuki/schema/lora-basic.ts +++ b/mikazuki/schema/lora-basic.ts @@ -66,7 +66,7 @@ Schema.intersect([ Schema.intersect([ Schema.object({ network_weights: Schema.string().role('filepicker').description("从已有的 LoRA 模型上继续训练，填写路径"), - network_dim: Schema.number().min(8).max(256).step(8).default(32).description("网络维度，常用 4~128，不是越大越好"), + network_dim: Schema.number().min(8).max(256).step(8).default(32).description("网络维度，常用 4~128，不是越大越好, 低dim可以降低显存占用"), network_alpha: Schema.number().min(1).default(32).description( "常用值：等于 network_dim 或 network_dim*1/2 或 1。使用较小的 alpha 需要提升学习率。" ), @@ -79,9 +79,9 @@ Schema.intersect([ }).description("caption 选项"), Schema.object({ - mixed_precision: Schema.union(["no", "fp16", "bf16"]).default("fp16").description("混合精度"), + mixed_precision: Schema.union(["no", "fp16", "bf16"]).default("fp16").description("混合精度, RTX30系列以后也可以指定`bf16`"), no_half_vae: Schema.boolean().description("不使用半精度 VAE，当出现 NaN detected in latents 报错时使用"), xformers: Schema.boolean().default(true).description("启用 xformers"), - cache_latents: Schema.boolean().default(true).description("缓存图像 latent") + cache_latents: Schema.boolean().default(true).description("缓存图像 latent, 缓存 VAE 输出以减少 VRAM 使用") }).description("速度优化选项"), -]); \ No newline at end of file +]); diff --git a/mikazuki/schema/lora-master.ts b/mikazuki/schema/lora-master.ts index c38a19f..5215529 100644 --- a/mikazuki/schema/lora-master.ts +++ b/mikazuki/schema/lora-master.ts @@ -34,7 +34,7 @@ Schema.intersect([ enable_bucket: Schema.boolean().default(true).description("启用 arb 桶以允许非固定宽高比的图片"), min_bucket_reso: Schema.number().default(256).description("arb 桶最小分辨率"), max_bucket_reso: Schema.number().default(1024).description("arb 桶最大分辨率"), - bucket_reso_steps: Schema.number().default(64).description("arb 桶分辨率划分单位，SDXL 可以使用 32"), + bucket_reso_steps: Schema.number().default(64).description("arb 桶分辨率划分单位，SDXL 可以使用 32 (SDXL低于32时失效)"), }).description("数据集设置"), Schema.object({ @@ -48,16 +48,16 @@ Schema.intersect([ Schema.object({ max_train_epochs: Schema.number().min(1).default(10).description("最大训练 epoch（轮数）"), - train_batch_size: Schema.number().min(1).default(1).description("批量大小"), - gradient_checkpointing: Schema.boolean().default(false).description("梯度检查点"), + train_batch_size: Schema.number().min(1).default(1).description("批量大小, 越高显存占用越高"), + gradient_checkpointing: Schema.boolean().default(false).description("梯度检查点, 通常会减慢速度，但可以增加批次大小，因此总的训练时间实际上可能会更快"), gradient_accumulation_steps: Schema.number().min(1).description("梯度累加步数"), - network_train_unet_only: Schema.boolean().default(false).description("仅训练 U-Net"), + network_train_unet_only: Schema.boolean().default(false).description("仅训练 U-Net 训练SDXL Lora时推荐开启"), network_train_text_encoder_only: Schema.boolean().default(false).description("仅训练文本编码器"), }).description("训练相关参数"), Schema.intersect([ Schema.object({ - learning_rate: Schema.string().default("1e-4").description("总学习率，在分开设置 U-Net 与文本编码器学习率后这个值失效。"), + learning_rate: Schema.string().default("1e-4").description("总学习率, 在分开设置 U-Net 与文本编码器学习率后这个值失效。SDXL 原始学习率为 4e-7"), unet_lr: Schema.string().default("1e-4").description("U-Net 学习率"), text_encoder_lr: Schema.string().default("1e-5").description("文本编码器学习率"), lr_scheduler: Schema.union([ @@ -98,7 +98,7 @@ Schema.intersect([ "AdaFactor", "Prodigy" ]).default("AdamW8bit").description("优化器设置"), - min_snr_gamma: Schema.number().step(0.1).description("最小信噪比伽马值，如果启用推荐为 5"), + min_snr_gamma: Schema.number().step(0.1).description("最小信噪比伽马值, 如果启用推荐为 5, 使用 自适应优化器 时失效"), }), Schema.union([ @@ -119,7 +119,7 @@ Schema.intersect([ Schema.object({ network_module: Schema.union(["networks.lora", "networks.dylora", "networks.oft", "lycoris.kohya"]).default("networks.lora").description("训练网络模块"), network_weights: Schema.string().role('filepicker').description("从已有的 LoRA 模型上继续训练，填写路径"), - network_dim: Schema.number().min(1).default(32).description("网络维度，常用 4~128，不是越大越好"), + network_dim: Schema.number().min(1).default(32).description("网络维度，常用 4~128，不是越大越好, 低dim可以降低显存占用"), network_alpha: Schema.number().min(1).default(32).description("常用值：等于 network_dim 或 network_dim*1/2 或 1。使用较小的 alpha 需要提升学习率。"), network_dropout: Schema.number().step(0.01).default(0).description('dropout 概率 （与 lycoris 不兼容，需要用 lycoris 自带的）'), scale_weight_norms: Schema.number().step(0.01).min(0).description("最大范数正则化。如果使用，推荐为 1"), @@ -238,14 +238,14 @@ Schema.intersect([ }).description("高级设置"), Schema.object({ - mixed_precision: Schema.union(["no", "fp16", "bf16"]).default("fp16").description("训练混合精度"), + mixed_precision: Schema.union(["no", "fp16", "bf16"]).default("fp16").description("训练混合精度, RTX30系列以后也可以指定`bf16`"), full_fp16: Schema.boolean().description("完全使用 FP16 精度"), full_bf16: Schema.boolean().description("完全使用 BF16 精度"), fp8_base: Schema.boolean().description("对基础模型使用 FP8 精度"), no_half_vae: Schema.boolean().description("不使用半精度 VAE"), xformers: Schema.boolean().default(true).description("启用 xformers"), lowram: Schema.boolean().default(false).description("低内存模式 该模式下会将 U-net、文本编码器、VAE 直接加载到显存中"), - cache_latents: Schema.boolean().default(true).description("缓存图像 latent"), + cache_latents: Schema.boolean().default(true).description("缓存图像 latent, 缓存 VAE 输出以减少 VRAM 使用"), cache_latents_to_disk: Schema.boolean().default(true).description("缓存图像 latent 到磁盘"), cache_text_encoder_outputs: Schema.boolean().description("缓存文本编码器的输出，减少显存使用。使用时需要关闭 shuffle_caption"), cache_text_encoder_outputs_to_disk: Schema.boolean().description("缓存文本编码器的输出到磁盘"),