אימון מודל LoRA של Flux לתוכן NSFW על RunPod בשנת 2026

אימון תהליך אימון LoRA של Flux לתוכן NSFW משלכם על RunPod הוא מעשי הרבה יותר ממה שרוב המדריכים גורמים לזה להישמע. אימנו מעל 30 מודלי LoRA של דמויות NSFW על Flux באמצעות RunPod ו-FluxGym, והתהליך בפועל הוא פשוט ברגע שיודעים מה לדלג עליו ובמה להשקיע. המדריכים ברשת מסבכים יתר על המידה את הכנת מערך הנתונים ומפשטים יתר על המידה את כתיבת הכיתובים. המדריך הזה הופך את היחס הזה.

למה לאמן מודל LoRA מותאם אישית של Flux לתוכן NSFW

בכנות, השאלה שאנחנו מקבלים הכי הרבה היא האם בכלל כדאי לאמן מודל LoRA מותאם אישית כשיש אלפי מודלי LoRA קיימים ב-Civitai. התשובה תלויה במה שאתם מנסים לעשות. עבור סגנונות גנריים או דמויות פופולריות, פשוט הורידו מודל LoRA קיים. עבור דמות ספציפית שאתם בונים, מודל פרטי, או סגנון שלא פורסם שעיצבתם בעצמכם, אימון משלכם הוא הדרך היחידה.

אימנו מודלי LoRA עבור עבודת דמויות ה-AI שלנו, עבור פרויקטים של לקוחות, וכניסויים כדי ללמוד איך התנהגות האימון מגיבה לשינויים במערך הנתונים. מודלי ה-LoRA של דמויות שבנינו בעצמנו עולים בביצועיהם על כל מודל LoRA גנרי של אותה דמות שאימנו, מפני שהם תופסים פרטי זהות ספציפיים שאף מודל LoRA ציבורי לא מכוון אליהם. זוהי כל הצעת הערך. מערך הנתונים שלכם לאימון הופך לידע של המודל.

למערכת האקולוגית של Flux יש גם דינמיקת אימון שונה מ-SDXL. מודלי LoRA של Flux מתאמנים מהר יותר, זקוקים לפחות תמונות, ומכלילים טוב יותר ממודלי LoRA של SDXL לפי הניסיון שלנו. ראינו מודלי LoRA של Flux שאומנו על 12 עד 15 תמונות מפיקים פלט דמות עקבי יותר ממודלי LoRA של SDXL שאומנו על 50 תמונות. מודל הבסיס של Flux פשוט טוב יותר בחילוץ מאפייני זהות. זה הופך את אימון מודלי ה-LoRA של Flux לתוכן NSFW ליעיל באופן מפתיע.

הדבר הנוסף ששווה לומר הוא שלאימון מודל LoRA לתוכן NSFW יש את המוזרויות שלו. מודל הבסיס של Flux מתנגד לתוכן מפורש כברירת מחדל, כך שמערך הנתונים שלכם לאימון צריך לכלול מספיק חומר ייחוס מפורש כדי להתגבר על ההתנגדות הזו. אם מערך הנתונים שלכם הוא 80 אחוז SFW ו-20 אחוז NSFW, מודל ה-LoRA יתקשה עם פקודות מפורשות אפילו אחרי אימון. למדנו את זה בדרך הקשה. איזון מערך הנתונים חשוב.

אצירת מערך נתונים, 15 עד 30 תמונות

כאן רוב המדריכים טועים. הם אומרים לכם להשתמש ב-50 עד 100 תמונות ל"תוצאות הטובות ביותר". בכנות, זה מוגזם עבור מודלי LoRA של דמויות ואף מזיק אם מערך הנתונים שלכם לא נבחר בקפידה. אנחנו מקבלים את התוצאות הטובות ביותר עם 15 עד 30 תמונות שנבחרו באופן ספציפי. יותר אינו טוב יותר אם יותר משמעו הוספת תמונות בינוניות או כאלה שלא תואמות את הדמות.

איך נראה מערך נתונים מצוין לאימון דמות NSFW?

• 8 עד 12 צילומי פנים באיכות גבוהה מזוויות מגוונות
• 5 עד 8 צילומי גוף מלא עם קומפוזיציה נקייה
• 3 עד 5 תמונות ייחוס מפורשות שמראות את הדמות בהקשר NSFW
• 2 עד 4 צילומי מגוון, תלבושות שונות, הבעות, תאורה

הרזולוציה חשובה. אנחנו שואפים ל-1024x1024 או גדול יותר בתמונות המקור. רזולוציות קטנות יותר מאלצות את המודל ללמוד מארטיפקטים של הגדלה. אם תמונות הייחוס שלכם הן 512x512, הגדילו אותן עם מודל איכותי כמו R-ESRGAN 4x+ לפני האימון, אל תאמנו פשוט על רזולוציה נמוכה.

הבחירה בעלת ההשפעה הגדולה ביותר במערך הנתונים היא המגוון. המודל לומד מה עקבי על פני תמונות הייחוס שלכם. אם כל צילום פנים משתמש באותה תאורה ואותה זווית, המודל ייצור רק את התאורה והזווית האלה. גוונו את התנאים. שעות שונות של היום, מיקומים שונים, הבעות שונות. המודל מחלץ זהות מתוך השונות.

המדריך שלנו להכנת מערך נתונים של LoRA ל-Flux מכסה את צד מערך הנתונים בפירוט עמוק יותר. העקרונות חלים גם על אימון NSFW עם התוספת של חומר ייחוס מפורש ביחס הנכון.

אסטרטגיית כתיבת כיתובים לתוכן NSFW

כתיבת כיתובים היא המשתנה שמשפיע הכי הרבה על איכות הפלט והמשתנה שרוב המדריכים מטפלים בו גרוע. הכיתובים שאתם כותבים לתמונות האימון שלכם מספרים למודל באופן מילולי מה כל תמונה מייצגת. כיתובים גרועים מפיקים מודל LoRA גרוע ללא קשר לאיכות מערך הנתונים.

הגישה שלנו לכתיבת כיתובים למודלי LoRA של Flux לתוכן NSFW:

1. התחילו כל כיתוב עם אסימון הטריגר שלכם. בחרו משהו ייחודי שאינו מתנגש עם אוצר המילים הקיים של Flux. אנחנו משתמשים בצירופים כמו "ohwx_woman" או "char_alex" כדי להימנע מהתנגשות עם מילים אמיתיות.

2. תארו מה יש בתמונה באופן אובייקטיבי. "ohwx_woman, brown hair, green eyes, sitting on bed, soft lighting, photoreal." אל תתארו מה שאין בתמונה. אל תתארו מה שאתם רוצים שהמודל ילמד באופן מובלע.

3. עבור תמונות NSFW באופן ספציפי, תארו את האלמנטים של ה-NSFW במפורש. "ohwx_woman, lying on back, nude, anatomically detailed, soft skin texture, intimate composition." כיתובים מעורפלים על תמונות NSFW מפיקים תגובות NSFW מעורפלות של מודל ה-LoRA.

4. גוונו את הכיתובים על פני מערך הנתונים. אל תשתמשו באותו תבנית כיתוב מדויקת לכל תמונה. השונות מלמדת את המודל שאסימון הטריגר מייצג את הזהות העקבית בעוד כל השאר משתנה.

5. מבחינת אורך, שאפו ל-15 עד 30 אסימונים לכל כיתוב. קצר מדי והמודל לא מקבל מספיק הקשר. ארוך מדי ואתם מדללים את האות של אסימון הטריגר.

כלי כתיבת כיתובים אוטומטיים כמו BLIP-2 או Florence-2 בסדר לטיוטה ראשונה של כיתובים אבל תצטרכו לערוך אותם ידנית עבור תמונות NSFW. כלי הכיתוב האוטומטיים מאומנים להימנע ממונחים מפורשים, כך שהם מתארים תמונות NSFW בלשון נקייה או משמיטים את התוכן המפורש לחלוטין. עריכה ידנית של כיתובי NSFW היא הכרחית.

הקמת Pod של RunPod ובחירת תבנית

RunPod הוא הבחירה הראשונה שלנו לאימון מפני שתמחור ה-GPU הוגן והתבניות הופכות את ההקמה למהירה. הנה תהליך ההקמה בפועל.

הירשמו ל-RunPod אם עוד לא עשיתם זאת. הוסיפו אמצעי תשלום. טענו קרדיט של $10 עד $20. תוציאו $2 עד $5 לכל הרצת אימון של מודל LoRA.

בחרו GPU. RTX 4090 על ענן הקהילה הוא נקודת האיזון הטובה ביותר בבערך $0.34 עד $0.44 לשעה. גם RTX A5000 עם 24GB של VRAM עובד בעלות מעט נמוכה יותר. RTX 3090 עובד אבל איטי יותר. אל תטרחו עם משהו פחות מ-24GB של VRAM לאימון מודל LoRA של Flux, המודל גדול מדי.

בחרו תבנית. חפשו "FluxGym" בקטע התבניות. תבניות FluxGym שנבנו על ידי הקהילה כוללות את כל התלויות מותקנות מראש. אנחנו משתמשים בזו שמתוחזקת על ידי תורמי הקהילה שמרכיבה אוטומטית את נפח סביבת העבודה. המאגר של FluxGym ב-GitHub מתעד את סקריפטי האימון הבסיסיים ומאפשר לכם לאמת מה בעצם רץ על ה-pod.

הגדירו את גודל ה-pod. נפח סביבת עבודה של 30GB מספיק בשפע לאימון. 50GB אם אתם רוצים לשמור הרצות אימון מרובות על אותו pod. יצירת pod לוקחת 1 עד 3 דקות.

השתמשו ב-SSH או בטרמינל הרשת ברגע שה-pod רץ. פתחו את ממשק JupyterLab ש-RunPod מספק. ממשק הרשת של FluxGym בדרך כלל רץ על פורט 7860 עם פרוקסי HTTP דרך ניתוב הכתובות של RunPod. עמוד ה-pod מציג את הכתובת.

לפרטים תפעוליים מעמיקים יותר על RunPod, המדריך שלנו להקמת ComfyUI Docker שפשוט עובד על RunPod מכסה את המערכת האקולוגית הרחבה יותר של תבניות RunPod ואיך לבנות תבניות מותאמות אישית אם אלה של הקהילה לא מתאימות לתהליך העבודה שלכם.

הדרכה מודרכת על תצורת FluxGym

FluxGym מציג ממשק נקי לאימון מודל LoRA של Flux. ברירות המחדל הגיוניות ברובן אבל מקרה השימוש של NSFW זקוק לכמה התאמות ספציפיות.

העלו את מערך הנתונים שלכם. הממשק מאפשר לכם לגרור ולשחרר את תיקיית התמונות שלכם. הכיתובים צריכים להיות בקבצי .txt תואמים לצד כל תמונה, באותו שם קובץ. כך ש"image_001.png" מצמיד ל"image_001.txt". FluxGym קורא את קבצי ה-txt אוטומטית.

הגדירו את מודל הבסיס. השתמשו ב-Flux Dev לפלט באיכות הגבוהה ביותר. Flux Schnell מתאמן מהר יותר אבל מפיק מודלי LoRA באיכות נמוכה יותר. עבור עבודת NSFW שבה איכות הפלט חשובה יותר ממהירות האימון, Flux Dev הוא הבחירה. אם אתם לחוצים בזמן או בתקציב, אימון מבוסס Schnell חותך את זמן האימון בערך בחצי.

רזולוציה. הגדירו ל-1024 גם לרוחב וגם לגובה. אל תרדו מתחת ל-1024, ירידת האיכות משמעותית. אל תעלו מעל 1024, עלויות ה-VRAM והזמן לא שוות את זה עבור רוב מודלי ה-LoRA של דמויות.

גודל אצווה. הגדירו ל-1 על RTX 4090. גדלי אצווה גבוהים יותר זקוקים ליותר VRAM ממה שיש ל-4090 לאימון מודל LoRA של Flux. חלק מהכרטיסים של 48GB יכולים להתמודד עם גודל אצווה 2, אבל עבור כרטיסים של 24GB, גודל אצווה 1 הוא מה שעובד.

קצב למידה. 1e-4 הוא נקודת האיזון הטובה ביותר עבור רוב מודלי ה-LoRA של דמויות NSFW. נמוך יותר (1e-5) מתאמן לאט יותר ומסכן את כך שהמודל לא ילמד את הזהות במלואה. גבוה יותר (1e-3) עושה התאמת יתר מהר ומפיק מודל LoRA אגרסיבי מדי.

מימדי רשת. עבור מודלי LoRA של דמויות, network_dim 32 עם network_alpha 16 הם ברירת המחדל שלנו. מודלי LoRA של סגנון יכולים לעלות גבוה יותר ל-network_dim 64. מודלי LoRA של קונספט NSFW עובדים בסדר ב-16. ה-dim שולט בקיבולת הייצוגית של מודל ה-LoRA. גבוה יותר משמעו גמיש יותר אבל קובץ גדול יותר.

צעדי אימון. 1500 עד 2500 צעדים עבור מודלי LoRA של דמויות NSFW. הריצו epochs ב"auto" ותנו ל-FluxGym לחשב. עבור מערך נתונים של 20 תמונות עם 100 צעדים לכל epoch, זה בערך 20 עד 25 epochs.

שמירה כל N צעדים. הגדירו ל-250 עד 500. תרצו נקודות שמירה ביניים כדי לבדוק איזה שלב של האימון הפיק את הפלט הטוב ביותר. לפעמים צעד 1500 הוא נקודת האיזון הטובה ביותר, לפעמים צעד 2000 מנצח.

הרצת האימון וניטור

התחילו את האימון. FluxGym מציג התקדמות בזמן אמת. יומני הטרמינל מציגים ערכי אובדן ומוני צעדים. אובדן התחלתי הוא בדרך כלל בערך 0.4 עד 0.5 ואמור לרדת ל-0.1 עד 0.15 עד סוף האימון. אם האובדן נשאר גבוה (מעל 0.3 אחרי 1000 צעדים), משהו לא בסדר עם מערך הנתונים או הכיתובים.

אימון על RTX 4090 ברזולוציה של 1024, גודל אצווה 1, לוקח בערך:

• 1500 צעדים בכ-2.5 שעות
• 2000 צעדים בכ-3.3 שעות
• 2500 צעדים בכ-4.1 שעות

ב-$0.34 לשעה, זה $0.85 עד $1.40 לכל הרצת אימון תלוי במספר הצעדים. הוסיפו את זמן הקמת ה-pod ואתם מסתכלים על $1 עד $2 לכל מודל LoRA. איטרציות מרובות דרך חידוד מערך הנתונים עשויות לעלות $5 עד $10 בסך הכל. עדיין זול בהשוואה למה שהייתם משלמים עבור שירות מקביל.

עקבו אחר התאמת יתר. אם תמונות הדגימה שלכם במהלך האימון מתחילות להראות את התנוחה המדויקת מאחת מתמונות הייחוס שלכם שוב ושוב, אתם עושים התאמת יתר. עצרו את האימון והשתמשו בנקודת שמירה מוקדמת יותר. התאמת יתר במודלי LoRA של דמויות מתבטאת בכך שהמודל מייצר את הדמות רק בקומפוזיציה המדויקת של תמונות האימון.

שמרו פלטים כל 250 עד 500 צעדים כנקודות שמירה ביניים. אנחנו בדרך כלל מסתיימים בשימוש בנקודת שמירה איפשהו באמצע האימון ולא בזו הסופית. צעד 1750 או צעד 2000 לעיתים קרובות עולים בביצועיהם על צעד 2500 עבור מודלי LoRA של דמויות.

בדיקת מודל ה-LoRA על פני נקודות שמירה

מודל LoRA אינו מוכן כשהאימון מסתיים. הוא מוכן כשאימתתם שהוא עובד על פני נקודות השמירה שאתם בעצם תשתמשו בו איתן. בדקו על לפחות שלוש נקודות שמירה שונות של Flux.

בדיקה 1, בסיס Flux Dev. מודל ה-LoRA אמור להפיק את הדמות שלכם בנקיון על מודל הבסיס Flux Dev מאחר שזה מה שאימנתם מולו.

בדיקה 2, כיוונון עדין של Flux מהקהילה כמו Chroma. מודל ה-LoRA אמור עדיין להפיק גרסה מזוהה של הדמות שלכם, אולי עם וריאציות באיכות.

בדיקה 3, עם מודל LoRA נוסף בערימה. שלבו את מודל ה-LoRA של הדמות שלכם עם מודל LoRA של שחרור או מודל LoRA של אנטומיה. הדמות אמורה עדיין להיות מזוהה אבל עשויה להשתנות מעט בפרופורציה או בפרטים.

מצאנו שמודלי LoRA שמופעלים במשקל 0.6 עד 0.8 בשימוש בפועל מפיקים את האיזון הטוב ביותר בין נאמנות לדמות לגמישות בפקודה. במשקל 1.0, מודל ה-LoRA שולט בכל דבר ואתם מאבדים את היכולת לגוון את הסצנה. ב-0.4 או נמוך יותר, הדמות מתחילה לסטות.

אם מודל ה-LoRA נכשל בכל אחת מהבדיקות האלה, התיקון הוא בדרך כלל מערך הנתונים, לא פרמטרי האימון. הוסיפו 3 עד 5 תמונות ייחוס נוספות שמכוונות למקרה הכישלון. אמנו מחדש. נסו שוב.

להקשר רחב יותר של אימון מודלי LoRA, המדריך לאימון מודל LoRA של Flux ב-ComfyUI מכסה אימון בתוך ComfyUI עצמו אם אתם מעדיפים את תהליך העבודה הזה על פני הגישה המאוחסנת של RunPod. אותם עקרונות, כלי שונה.

פירוט עלויות וזמן עד לסיום

מספרים אמיתיים מחמש הרצות האימון האחרונות שלנו של מודל LoRA של Flux לתוכן NSFW על RunPod:

• מודל LoRA 1, עבודת דמות, 20 תמונות, 1750 צעדים, $2.10 GPU ועוד $0.30 אחסון בסך $2.40
• מודל LoRA 2, עבודת דמות, 25 תמונות, 2000 צעדים, $2.85 GPU ועוד $0.35 אחסון בסך $3.20
• מודל LoRA 3, העברת סגנון, 30 תמונות, 2500 צעדים, $3.40 GPU ועוד $0.40 אחסון בסך $3.80
• מודל LoRA 4, מודל LoRA של קונספט, 18 תמונות, 1500 צעדים, $1.95 GPU ועוד $0.30 אחסון בסך $2.25
• מודל LoRA 5, עבודת דמות, 22 תמונות, 1800 צעדים, $2.55 GPU ועוד $0.35 אחסון בסך $2.90

ממוצע של בערך $2.91 לכל מודל LoRA. מבחינת זמן, זמן הריצה של ה-GPU הוא 2 עד 4 שעות אבל אתם לא צריכים לשבת מעליו. התחילו את האימון, בדקו שוב בסוף. זמן הקיר האמיתי עבורכם הוא 30 עד 60 דקות של הכנת מערך הנתונים ועוד 5 דקות של בדיקת התוצאה.

העלות הכוללת עבור מישהו שבונה 10 מודלי LoRA של דמויות היא בערך $30. זה משמעותית פחות מרכישת גישה לשירותי אימון מסחריים ואתם הבעלים של קבצי מודל ה-LoRA שנוצרו במלואם. להשוואה, ההשוואה שלנו בין DreamBooth ל-LoRA מכסה מתי DreamBooth מלא הגיוני יותר מאימון LoRA. עבור רוב עבודת הדמויות לתוכן NSFW, LoRA מנצח בעלות ובגמישות. שלחנו מודלי LoRA שאומנו בדרך הזו לתוך lewdly.ai עבור הדמויות שלנו, כך שאנחנו יכולים לערוב לכך שתהליך העבודה מאימון על RunPod ועד פריסה לייצור הוא אמיתי ולא תיאורטי.

אם אתם לא רוצים להריץ אימון RunPod בעצמכם, פלטפורמות מאוחסנות כמו lewdly.ai מטפלות בתהליך האימון כשירות. גילוי מלא, אנחנו עוזרים לבנות את זה. היתרון הוא ללא הקמה או ניהול טכני. החיסרון הוא פחות שליטה על פרמטרי האימון. עבור יוצרים בנפח גבוה שמייצרים מודלי LoRA רבים של דמויות, הדרך הישירה דרך RunPod חוסכת כסף. עבור משתמשים מזדמנים שמאמנים מודל LoRA אחד או שניים, הדרך המאוחסנת פשוטה יותר.

שאלות נפוצות

כמה תמונות אני צריך כדי לאמן מודל LoRA של Flux לתוכן NSFW?

15 עד 30 תמונות נבחרות באיכות גבוהה עולות בביצועיהן על 50 עד 100 תמונות בינוניות. עבור מודלי LoRA של דמויות באופן ספציפי, 15 עד 20 תמונות שנבחרו היטב לעיתים קרובות מפיקות תוצאות טובות יותר ממערכי נתונים גדולים ורועשים.

מהו ה-GPU הזול ביותר על RunPod לאימון מודל LoRA של Flux?

RTX A5000 24GB בבערך $0.30 לשעה הוא האפשרות הזולה ביותר שעובדת. RTX 4090 ב-$0.34 לשעה מעט יקר יותר אבל מתאמן מהר יותר, כך שהעלות הכוללת מסתיימת בערך שווה.

האם אני יכול לאמן מודלי LoRA של Flux על כרטיסי VRAM של 16GB?

לא באופן ריאלי. אימון מודל LoRA של Flux זקוק לבערך 22 עד 24GB של VRAM ברזולוציה של 1024 עם גודל אצווה 1. תוכלו לנסות אימון ברזולוציה של 512 על 16GB אבל איכות הפלט יורדת משמעותית. שכרו 4090 על RunPod במקום.

כמה זמן לוקח האימון?

על RTX 4090 ברזולוציה של 1024, 1500 צעדים לוקחים בערך 2.5 שעות. 2000 צעדים לוקחים בערך 3.3 שעות. 2500 צעדים לוקחים בערך 4.1 שעות. גודל מערך הנתונים שלכם משפיע על זה מעט דרך הזמן לכל צעד אבל המשתנה העיקרי הוא מספר הצעדים הכולל.

באיזה קצב למידה כדאי לי להשתמש?

1e-4 הוא ברירת המחדל הבטוחה עבור רוב מודלי ה-LoRA של דמויות NSFW על Flux Dev. מודלי LoRA של סגנון יכולים לפעמים להרוויח מ-5e-5. מודלי LoRA של קונספט עובדים ב-1e-4 עד 2e-4. אל תעלו מעל 5e-4 אלא אם אתם יודעים מה אתם עושים.

האם מודל ה-LoRA שלי של Flux יעבוד על SDXL?

לא. מודלי LoRA של Flux ומודלי LoRA של SDXL אינם תואמים לחלוטין. ארכיטקטורות שונות, תהליכי אימון שונים, מבני קבצים שונים. תצטרכו לאמן בנפרד עבור כל מודל בסיס.

האם אני יכול למכור מודלי LoRA שאני מאמן בעצמי?

כן אם אתם מאמנים על Chroma (רישיון Apache 2.0). עבור Flux Dev, הרישיון מגביל יותר על שימוש מסחרי בנגזרות. קראו את רישיון Flux Dev בקפידה אם אתם ממסחרים.

מה היחס של FluxGym ל-Kohya?

FluxGym הוא עטיפת ממשק סביב סקריפטי האימון של Kohya. Kohya מספק את לוגיקת האימון בפועל. FluxGym הופך אותו לשמיש ללא עבודת שורת פקודה. אותו מנוע מתחת למכסה המנוע כמו רוב כלי האימון האחרים של Flux.