Formation avancée en personnalisation privée de modèles LoRA ! De la génération d'images à l'entraînement, un enseignement complet du processus.

À qui s'adresse ce cours ?

En bref, si vous avez déjà dépassé le stade débutant de la génération d'images par IA et que vous voulez progresser davantage en acquérant la capacité de 'personnalisation', le contenu de ce cours devrait correspondre exactement à vos besoins.

Programme du cours

Nous commencerons par les concepts les plus basiques et vous guiderons jusqu'à un entraînement pratique complet, avec des explications et des démonstrations claires à chaque étape.

Chapitre 1 : Comprendre les concepts clés

01 Qu'est-ce que LoRA exactement ?
Ne vous précipitez pas pour agir, comprenez d'abord la nature du modèle LoRA, pourquoi il permet un ajustement fin du style, car cela détermine votre approche pour toutes les opérations suivantes.

Chapitre 2 : Maîtriser la logique sous-jacente et le processus

02 La logique sous-jacente de SD et le processus de base pour entraîner un LoRA
Comprenez le fonctionnement de Stable Diffusion et le processus standard pour entraîner un modèle LoRA, pour avoir une vue d'ensemble.

Chapitre 3 : Préparation avant l'entraînement - Traitement des matériaux

03 Comment collecter et traiter les matériaux ?
La qualité de l'entraînement dépend à moitié des matériaux. Apprenez à collecter des matériaux de manière ciblée et à effectuer un prétraitement efficace.

04 Comment étiqueter avec précision ?
Étiqueter les matériaux (Tag) est une étape clé de l'entraînement. Comment étiqueter pour être plus précis et permettre au modèle de comprendre vos intentions ? Voici des méthodes détaillées.

Chapitre 4 : Le cœur de l'entraînement - Paramètres et techniques

05 Paramètres importants et relations entre paramètres pour entraîner un LoRA
Taux d'apprentissage, nombre d'itérations, dimension du réseau... Que signifient ces paramètres ? Comment interagissent-ils ? L'ajustement des paramètres ne repose plus sur le hasard.

06 La stratification et les méthodes de sauvegarde de LoRA
Comprendre la structure en couches du modèle LoRA, ainsi que la manière de sauvegarder et d'appeler correctement les modèles à différentes étapes d'entraînement, pour faciliter leur utilisation et leur ajustement ultérieurs.

Chapitre 5 : Techniques avancées en bonus

07 Bonus avancé — Qu'est-ce que la régularisation ?
La régularisation (Regularization) est une technique importante pour éviter le surapprentissage du modèle. Cette partie expliquera de manière accessible son rôle et son utilisation.

08 Bonus avancé — Méthode de copie, méthode d'extraction des différences, méthode des déchets
Quelques astuces et petites méthodes pratiques d'entraînement qui circulent dans la communauté et qui ont été validées, pouvant vous aider à améliorer les résultats d'entraînement dans des scénarios spécifiques.

Chapitre 6 : Pratique et bilan d'expérience

09 Conclusion — Retours d'expérience sur l'entraînement de LoRA
Partager quelques expériences et ressentis non écrits résumés au cours du processus d'entraînement, pour vous aider à éviter les pièges courants d'état d'esprit et d'opération.

10 Entraîner votre modèle IP de Nouvel An en 3D à partir de zéro
À travers un cas concret (par exemple, entraîner une mascotte de Nouvel An de style 3D), vous guider pas à pas dans l'ensemble du processus d'entraînement, en reliant toutes les connaissances apprises précédemment.