Только что закончил 6 месяцев самообучения.
Есть два бесплатных сайта, которые я знаю и которые мне нравятся, потому что делают то, что мне надо... pornworks и perchance. Они чертовски точные и мощные, если научиться правильно писать промпты. Это был мой первый шаг. Когда мне удалось заставить онлайн-вебапп выдавать то, что я хочу, я остался доволен этим результатом. Не говорю, что больше нечему учиться, там дофига всего, а я только начинаю, так что я использую простые грамотные предложения, чтобы описать общую идею в одном-двух предложениях. Потом перечисляю детали и использую ключевые слова через запятую, например.
Потом захотел глубже разобраться в технике, так что взял б/у EVGA GTX 1080TI на ebay за 150 баксов. Отлично работает с небольшими моделями и держит бюджет совсем низким. Не вижу смысла платить больше розницы, как бы хороша ни была видеокарта и какого бы нового поколения она ни была. Для помощи я использовал LUMO, задавал ему вопросы (которые мне казались правильными), нужные, чтобы разобраться в том, что я пытался сделать. У меня 32 ГБ оперативки, вся ddr4, супердёшево. NVME для быстрой системы, но для хранения больших моделей / бэкапа лор использую дополнительные диски.
Когда железо было готово, я стал изучать LLM и какие термины нужно выучить, знать, понимать, чтобы сориентироваться в этой "экосистеме". Учтите масштаб: пока я изучаю только генерацию изображений, так что вопросы у меня довольно узкие. Но вообще-то я начал с текстовых LLM, запускаю LM studio локально, с хорошей моделью, которая отлично рубит в математике и науке, исторических данных и т.д., умеет кодить и делает это ОЧЕНЬ хорошо. Если интересно, я использую модель Qwen3.5 9B Uncensored HauhauCS Aggressive. Для старта, думаю, достаточно.
С ней и LUMO я смог разобраться, что такое фреймворки, воркфлоу, ноды, comfy UI, локально vs нелокально, чем отличаются текстовые LLM от моделей генерации изображений... Когда появилось базовое представление, около месяца смотрел видосы на youtube, просто посмотреть, что делают другие, и, честно говоря, тут это не особо помогло, потому что большинство тех, кто делает гайды, снимали слишком старые видео, либо софт поменялся и я ловил ошибки, повторяя за ними, а главное, они были слишком продвинутые и не объясняли самые базовые, тупо простые концепции, которых мне не хватало.
Так что я продолжил с текстовыми LLM, поставил comfy UI и загрузил свою первую модель с RED-CIVIT.AI, это была SD 1.5, чтобы всё было маленьким и лёгким для моей видеокарты, и воркфлоу тоже. Это не так подавляюще, как я думал сначала, но только потому, что я держался самых простых карт, т.е. воркфлоу. Использую только нужные ноды и ничего навороченного. Ожидений от результата у меня тоже не было. Просто обходил баги, проблемы с софтом и установкой, набирался опыта, в основном через LUMO, потому что он имеет доступ в сеть и более актуален: может подтянуть последние обновления софта, патчи, изменения и т.д.
Большую часть времени на самом деле ушло на то, чтобы правильно создать окружения на компе и держать всё организованно. Когда самая базовая настройка заработала, я смог начать разбираться с нодами и с багами, которые ловил, копируя чужие воркфлоу (кстати, если они сложные, это был кошмар), так что я продолжал использовать LUMO, чтобы пройти через это, используя только ноды, необходимые для генерации в SD 1.5. У меня их, кажется, штук 5 - 8, если не ошибаюсь, ну, тот, что с лорой, вроде. Может, 6 нод только для текст в картинку? Сейчас не могу посмотреть, я как раз прямо сейчас тренирую лору.
Дальше: когда я освоил SD 1.5, перешёл к изучению разных моделей, что такое LORA, стили и темы. На Civit.AI очень легко увидеть, что получишь, и там всё хорошо организовано, так что для этого я остался там. Выяснил, какие модели и лоры подходят моей видеокарте, начал качать несколько моделей для немногих существующих архетипов: у меня есть pony, krea2, SD 1.5, SDXL, Illustrious и так далее, и для каждой по несколько лор, просто несколько, держа директории чистыми и организованными в рабочем VENV – это для python в linux.
Потом я изучил и сохранил самые базовые воркфлоу для каждого типа модели – с лорой / без лоры, с входным изображением / без него вместе с текстом. Теперь я могу использовать любую из этих моделей с лорами и без них, чтобы генерить картинку из текста. Не говоря уже о том, что я узнал разные способы управления результатом, вроде UNET, текстовых энкодеров, vae и кастомных нод.
Потом захотел натренировать лору персонажа и взялся за это, снова используя LUMO как проводника, потому что у него есть доступ в сеть и актуальная информация. Установил фреймворк для обучения kohya_ss и всё заработало, организовал дерево директорий и т.д... и сегодня утром обрабатываю свою лору персонажа V2. Сегодня утром впервые использовал свою лору, которую тренировал всю прошлую ночь. Заняло 10 часов. Неплохо, подумал я. Так что я снова спросил, как это улучшить после тестов и использования той лоры. Она работает точно в цель, но она мощная, даже слишком мощная, и гибкость ограничена.
Сделав пару правок в исходной команде обучения, сейчас гоняю тренировку, чтобы получить более гибкую лору на том же датасете.
Это то, о чём я не упомянул: мне пришлось научиться создавать и обрабатывать датасет перед обучением лоры... это просто часть процесса. Конечно, способов бесконечно много, но я выбрал простой подход, который учит меня основным концепциям, и ещё я использую CLI, а не GUI, чтобы получить больше опыта с терминалом. Так плавнее и контролируемее, тонкая настройка, но чуть сложнее в начальной настройке. Можно использовать windows и kohya_ss, но это GUI, а я НЕ использую windows, уже больше 10 лет. Назад не вернусь.
Так вот, я очень доволен своим прогрессом, потому что не слушаю плохие советы других, когда речь о том, чтобы использовать ИИ как проводника. Я спрашиваю людей, и у них у всех довольно негативное мнение об ИИ, и я понимаю почему, мне тоже не особо нравятся промышленные ИИ-фермы, потому что они жрут кучу электричества, я предпочитаю использовать локальное, где могу. Просто не сдавайтесь, берите инструмент, хорошо его изучайте и продолжайте пополнять свой набор инструментов. Учитывайте всё, что говорят, и не будьте предвзятыми, потому что можете упустить то, что могло бы вам пригодиться, если бы вы просто не отвернулись.
Вы найдёте то, что работает для вас, и это мой совет.
Отредактировано: грамматика, орфография и т.д.
