自製全自動打標all in one
需求python 3.10 3.11 windows
整合 florence-2 自然語言、WD14 tagger、clip score (long clip)、aesthetic predictor v2.5美學模型
+自定義打標流程
直接抓caption.py下來 (不要用git clone)
python caption.py "資料集位置"
就可以跑了
py後面可以放args (中間要空格)
--folder_name 前置角色名 "aaa appearance," OR "two preson include aaa appearance and bbb appearance" ... ___
--not_char 如果前置是概念不是角色 "aaa in the image, " ... ___
--clothtag 前置衣服標(當單人時) ", with black tank top, grey shorts" ... ___
--peoplotag 前置多人動作標(當雙人時) ", back-to-back, after_kiss" ... ___
--drop_colortag刪除WD14顏色標 del "black hair" "brown eyes"... (前置與florence-2打的會保留)
其他比較不會用到的
--continue_caption="天數整數" 從n天內打的標繼續
--rawdata 只打一行 也許正則圖這樣做比較好 不確定沒測試
--debiased 已棄用 已經用更好方式去除專有名詞和ocr
設置clip score上限減少florence偏差，如果發現florence很多作品名、角色幻覺可以用 不然不需要 會刪掉一些正常的標
--custom_keeptag="字串類似is doing" 自定義前置，實驗性很慢效果差、不要用
--upgrade 升級腳本，有需要才用
--drop_chartag 自動刪除角色特徵標 如果用wildcard應該是不需要
打出來格式是三行wildcard，___ 之前是前置
前置, 全部標排序___
accurate, 前置, ___少的標
inaccurate, 前置, ___更少的標
前置是 "排除標" "概念名?" "人數" "角色名?" "衣服?" "多人動作?" "nsfw標" "美學標"
在kohya-ss 中Additional parameters填上
--enable_wildcard 使用多行wildcard，不然只會用第一行
--keep_tokens_separator="__" 固定 __之前的標
可以加上
--network_train_unet_only 只訓練UNET
打勾Shuffle caption 洗牌標籤
推薦
角色設置 python caption.py "資料集位置" --folder_name --clothtag --peoplotag --drop_colortag
概念設置 python caption.py "資料集位置" --not_char
kohya-ss --enable_wildcard --keep_tokens_separator="__" --network_train_unet_only 洗牌
如果有訓練效果反饋或有什麼架構的微調建議再跟我說