[字幕版] 繪畫出任何卡通人物!!! Flux Lora 訓練

[@gigiwow99]

Thanks Garion，Flux model既橫空出現真係一大進步，依家連佢既Lora Training比1.5同SDXL時更加似原物同細緻，不論人物或者物件都可以train得好好。BTW想像到2025，AI model又唔知會出現乜野新技術。👍🙏

[@SusanaVilla-w7h]

Thanks for sharing! Just a quick off-topic question: I have USDT in my OKX wallet and I have the recovery phrase. 「pride」-「pole」-「obtain」-「together」-「second」-「when」-「future」-「mask」-「review」-「nature」-「potato」-「bulb」. What is the best way to transfer them to Binance?

[@oipower]

唔該晒，學到新知識，想請問一下，訓練果五小時期間，GPU 是否 100% full load ？ 以一張 RTX4090 100% full load 五小時的話，相信發熱及用電嘅情況都會係一個好可怕嘅事情，謝謝分享。 😃

[@GarionPhotoTech]

如果你用到4090的話其實應該唔需要咁長時間。 我嘅顯示卡係a4000 計算功力大概係3060。當然最大好處係可以低電量要求下工作。我整套電腦的耗電量其實不超過三百瓦。😁因為用ai都幾嘥電。 當然你用4090的話時間最少快我四倍。但因為你的vram比較多應該整體速度會更高。 最後佢嘅工作負荷的確幾乎九成時間百分之一百。只有偶然需要將數學模型資訊轉出,才會抖一抖。😅

[@kironlau]

個人建議，用沒版權的卡通，公開教人訓練會好一些，否則有機會被投訴下架 (例如版權過期的米奇)

[@GarionPhotoTech]

多謝你的建議。 沒有選擇米奇, 主要原因是, flux 應該學過。😅 希望這個影片不會被下架。😅

[@kironlau]

@@GarionPhotoTech 我沒惡意， 純分享個人經歷，以前在另一頻道，剪一段TBB的片段做reaction, 肯定不到片段1/10長度(而且有附上片源)，TBB一投訴就下架。(沒法申訴的，何況youtube好像比以前更獨大) 而另外，大約十年前，有版權音樂是可以加插在片段中(作為公平使用)，突然有一天，歐盟通過了一個法案，用一句都不能 然後，沒有警告下，把我整段片下架(而不是把那句mute了，也不能保留view數，換另一段片源，或使用內建的剪輯功能) 難保，有一天就是通過一個AI法案，又會這樣😅

[@GarionPhotoTech]

@kironlau 首先多謝你嘅支持。我完全明白你是善意的提醒。😁 只係我暫時慶幸都還可以用這個方法希望可以簡單啲令到大家理解如何學習。 如果youtube真係要求我下架, 那麼我這種的題材可能要喺另外一些頻道才能播放。😭 真心感謝你決支持同建議。🙏😁

[@huixumire907]

Thanks for sharing, 但我仍然聽唔明點解有代表角色特徵既文字要刪除, 保留既反而係不常用, 有睇過之前你既影片, 但我資質有限, 都係唔明原理, 可否再說明一下, THANKS

[@GarionPhotoTech]

其實是這樣的。當我們的指定角色有著一些特別的特徵例如今集的keroro, 必須要有紅色星星黃色帽同埋心口有黃色星星。這樣才叫一個標準的keroro。當我們不去形容那些物件時候, fluxgym 便會認為keroro這個角色是必定會包含哪些圖像。 電腦不一定會認為這些圖像有任何意思, 只是因為當所有紅色星星黃色帽以及黃色星星配合綠色身體便會組成一個keroro。 😁

[@huixumire907]

@@GarionPhotoTech 其實我正正理解唔到呢部份, 例如我想畫Q太郎, 佢既特徵就係3條頭髮, 大咀唇, 白袍, 如果唔寫呢D, AI訓練既Lora反而就會認為呢D就代表Q太郎? 但我明明DEL左D形容特徵的文字...而保留的文字, 訓練中既意義係咩? 例如圖中有不相關的背景, 有花樽, 時鐘, 呢D反而保留嗎? 唔好意思, 我仍然未攪清楚...🥲

[@GarionPhotoTech]

@huixumire907 喺呢度我好基礎再將ai學習嘅方法慢慢同你講。其實ai喺未學我哋啲圖片之前已經學曬所有嘅基礎幾何圖形, 我哋嘅ai學習方式同人類學習方式好相似。我哋第一次畀啲小朋友了解乜嘢叫蘋果嘅時候, 其實只會好籠統就咁拎個蘋果畀佢, 跟住指住個蘋果話呢個叫蘋果。唔會同佢講蘋果係紅色皮或者係其他嘅特徵。只會好簡單不斷重複紅色蘋果嘅例子。 跟住ai就會開始計算有乜嘢情況之下會係類似蘋果這種產品。呢個就叫做training。 當經過很多很多個重複嘅計算之後, 我哋嘅電腦終於明白到某一個計算就會等同蘋果。咁樣電腦就學識蘋果係大概點嘅樣。 當我哋畀一張q太郎嘅圖片電腦學習嘅時候, 由於該圖片不一定會是只剩q太郎的。不管如何最低限度也有背景。而背景不是q太郎的一部分, 所以我哋需要話畀佢聽畫面中有q太郎以及一個背景。由於電腦已經知道基本背景嘅數據會大概是怎麼樣, 所以淨低嘅數據應該就係q太郎嘅樣喇。就好似我哋畀蘋果佢去學習一樣。 當一啲畫面比較複雜有其他資訊例如q太郎和他的同伴, 能夠仔細形容所有背景同伴資訊, 那麼剩低嘅資訊數據必定是q太郎, 通過組合電腦會明白只要計算沒有被標籤的結果那個就會係q太郎。 希望這樣你會明白其實電腦ai學習真的很像小朋友的學習原理。 可能你會問之後我哋都會同小朋友講蘋果係紅色皮嘅有機會係綠色皮嘅。呢個就好似我哋對ai開始形容蘋果係會有紅色或者綠色皮嘅時候電腦就可以基於蘋果嘅形狀原來都可以更改顏色的來重新繪畫出橙色粉紅色的蘋果。

[@huixumire907]

@@GarionPhotoTech 謝謝您用心詳細講解, 我大致上明白了, 提供比AI既訓練圖, 算唔算係用排除法形式, 講晒比佢知周邊唔關事既野, 等佢認知剩餘的就代表我地想要果樣野(e.g.蘋果/Q太郎)?

[@GarionPhotoTech]

@huixumire907 理解完全正確！👍😁

[@sim3rock]

請問只有12g vram 可以訓練1024*1024圖嗎

[@GarionPhotoTech]

可以。

[@sim3rock]

@@GarionPhotoTech 謝謝 我來試試