SimpleTuner v1.0发布了

SimpleTuner v1.0 是一个重要的更新，特别适用于对机器学习模型训练感兴趣的人，尤其是在图像生成领域。这个版本引入了对训练器的重大重构，旨在简化用户体验，同时保持与以前配置的兼容性。值得注意的是，从 `config.env` 文件转向 `config.json` 或 `config.toml` 标志着向更标准化的配置格式迈出了一步。然而，用户应该注意到这些文件中的 shell 脚本不再受支持。 对于开发人员，引入了一个 Trainer 类和一个用于更交互式环境的 Jupyter Notebook，这是朝着更友好的开发工具包迈出的一步。这对于那些希望为 SimpleTuner 创建 GUI 或深入了解训练过程的人可能特别有趣。 这个版本还解决了关键的 bug，比如多 GPU 步骤跟踪和注意力蒙版中的输入交换问题，这些问题之前影响了模型输出的质量。注意力蒙版的改进不仅增强了生成图像中的细节，还提供了性能优势。 指南包括改进的图像生成质量示例，并为使用 Flux 模型进行训练提供了快速入门指南。这个版本对于经验丰富的开发人员和新手来说都可能是一个改变游戏规则的版本，特别是那些在图像生成中使用 Stable Diffusion 模型的人。如果您从事这个领域，探索 SimpleTuner v1.0 可能是值得您花时间的。- simpletuner v1.0发布 - 修复了多GPU步骤跟踪的错误 - 修复了注意力掩码的错误 - 新的注意力掩码代码提高了模型质量 - 通过attention masking进行训练可以产生更好的结果 - 通过Jupyter Notebook可以更深入地了解Trainer类的使用过程 - 可能需要更高的学习率来训练具有此配置的主题 - 训练数据包括Cheech和Chong的22张图像 - Cheech和Chong的图像可以改善输出结果 - 没有文本/排版数据 - 以前的训练数据和测试运行的报告可以在链接中找到 - 使用Flux进行训练的快速入门指南