分桶机制
输入“/”快速插入内容
分桶机制
分桶机制
飞书用户99402024年10月24日修改
训练分辨率
训练时的分辨率 宽,高，可以是非正方形，但必须为64的整数倍。建议使用大于 512x512 且小于 1024x1024 的值，长宽比根据训练集的占比决定，一般来说方形的可以照顾到各种不同的分辨率。如果多数为长图可以使用512x768这种分辨率，如果宽图居多则可以使用768x512等。
ARB 桶
默认开启 ARB 桶，以允许使用非固定宽高比的图像来训练（简单来说就是不需要手动剪裁了）。ARB 桶在一定程度上会增加训练时间。 ARB桶分辨率必须大于训练分辨率
在分桶过程中会发生两个步骤：
首先，当您为数据集设置训练分辨率时，您的图像将被缩小（或在某些情况下，放大）以适应接近该分辨率的存储桶。
其次，在调整大小后，它们将被裁剪以完美适合可用的存储桶。
有三个设置很重要：
您的训练分辨率、最大分辨率和最小分辨率。
我256 的训练分辨率为例，很少有人会以该分辨率进行训练，但这是最容易展开讨论的。
在 256 训练分辨率下，数据集的存储桶从 256x256 开始创建，并增加或减去 64 的增量，直到高度或宽度达到最大分辨率或最小分辨率。
因此，如果我的最大值和最小值分别设置为 448 和 64，则我的存储桶将为 64x448、128x384、192x320、256x256、320x192、384x128 和 448x64。在训练分辨率为 256 时，这些是您的所有图像在训练期间将被调整大小和裁剪为的尺寸。
但关键是要看颜色：具有相同纵横比的桶已经用相同的颜色进行了颜色编码。每种训练分辨率都提供 0.14、0.33、0.60、1.00、1.67、3.00 和 7.00 的纵横比，因此如果您要以不同的分辨率进行训练，这些是理想的裁剪结果。0.45、0.78、1.29 和 2.20 的纵横比与 512 和 1024 的桶匹配，它们介于 768 的桶之间——如果您认为您只会在 512 或 1024 训练，或者不介意进行少量自动裁剪以适应以相同颜色突出显示的两个 768 桶之一，那么这是一个不错的折衷方案。
除非您1） 数据集中有大量图像，
并且 2） 只打算在 1024 进行训练，否则不要裁剪以适应任何未突出显示的存储桶。
在裁剪图像以适合所选的纵横比时，请记住数据集构建中的 Zen 原则。只有一张图像的存储桶不会为您提供最优化的训练，最好留空。实际上，仅使用几个存储桶会更好，原因有几个。
对于包含图像的存储桶，希望每个存储桶中至少有 2 个图像（对于包含超过 2 个图像的存储桶，请尝试输入偶数 - 稍后将详细介绍原因）。如果您有额外的图像可供选择，请尝试平衡存储桶中的数字。但不要花太多时间对桶大惊小怪。这是一个很好的做法，有助于提高训练效率，但如果你不能完美地处理所有事情，它不会毁了你的 LoRA——但它会使 LoRA 更加灵活。同样，如果所有其他方法都失败了，请将所有内容裁剪为 1：1 的纵横比 - 完美的正方形在该训练分辨率下具有最多的像素，并且全部放入一个桶中。
相关资料