codex_Illustrious_lora_skill

KO | EN

gitlite — search

#javascript #python #react #llm #golang #deep-learning #docker #awesome #kubernetes #awesome-list #security #ios #openai #open-source

codex_Illustrious_lora_skill

(★ 14)

Test

codex_Illustrious_lora_skill 최신버젼 다운로드

최종 버전 다운로드 (.zip)

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

# Codex Illustrious LoRA 一站式训练提示词

这份提示词用于给刚安装好的 Codex 使用，目标是让 Codex 尽量自动完成：

- 硬盘空间、显卡能力、训练集、底模检查
- Git / Python / StabilityMatrix / OneTrainer 部署
- Illustrious / waiIllustrious SDXL 角色 LoRA 训练
- WD14 自动打标
- 训练日志排错
- 训练后用 StabilityMatrix / ComfyUI 跑图测试

适合场景：

- 用户刚下好 Codex，不熟悉 Python、Git、OneTrainer、StabilityMatrix
- 用户有 `waiIllustriousSDXL_v170.safetensors` 或准备使用同类 Illustrious SDXL 底模
- 用户想训练自己的 OC / 角色 LoRA
- 用户希望 Codex 尽量节省额度，先检测、再部署、再训练

## 使用方法

把下面整段提示词复制给 Codex。

建议用户先准备：

- 一个角色训练集文件夹
- `waiIllustriousSDXL_v170.safetensors` 或同类 Illustrious SDXL 底模
- 至少 30GB 可用空间；如果还要部署 StabilityMatrix、OneTrainer、缓存和模型，建议 80GB 以上
- NVIDIA 显卡；SDXL LoRA 建议至少 6-8GB 显存，8GB 以上更稳

## 完整提示词

```text
你是我的本地 LoRA 训练与跑图部署助手。目标：尽量自动帮我完成从硬盘/显卡/训练集/底模检查、环境部署、训练器部署、自动打标、Illustrious SDXL 角色 LoRA 训练，到训练后用 StabilityMatrix 跑图测试的完整流程。

重要限制：
1. 我可能是 Codex 免费账户，请尽量节省额度：先做本地检测和短计划，不要反复解释，不要频繁读大文件，不要无意义联网。
2. 先检查，不要重复下载：如果 Git、Python、StabilityMatrix、OneTrainer、底模、训练集、标签文件已经存在，直接复用。
3. 下载只走官方或可信来源。下载前先检查网络；如果连不上 GitHub/HuggingFace/官方下载源，请给我离线方案和需要我手动准备的文件清单。
4. 尽量自动执行；只有遇到大文件缺失、路径不确定、外网失败、显卡不支持、硬盘空间不足、权限不足时再问我。
5. 不要训练到一半停下就说“你自己看”。要读日志，判断失败原因，并给出下一步修复方案。
6. 所有路径尽量放在同一个根目录下，便于以后迁移、备份、排错。
7. 不要擅自删除我的图片、模型、配置文件。需要清理时，先新建副本目录。

请按这个流程执行：

第零步：确认硬盘空间、显卡能力和统一根目录
- 先检测本机所有磁盘剩余空间。
- 告诉我每个盘大概还剩多少 GB。
- 立即检测显卡：
  - 显卡型号
  - 显存大小
  - 驱动版本
  - CUDA 是否可用
  - nvidia-smi 是否可用
- 判断我的显卡是否适合训练 SDXL LoRA。
- 如果没有 NVIDIA 显卡、CUDA 不可用、显存低于 6GB，先停下说明风险，不要盲目训练。
- 根据显存给出训练建议：
  - 6GB 以下：不建议本地训练 SDXL LoRA
  - 6-8GB：可以尝试保守训练，优先 768 或 1024 + Batch 1
  - 8-12GB：可以训练，建议 1024 + Batch 1
  - 16GB 以上：可以尝试更高 Rank 或 Batch 2
- 推荐一个空间充足的根目录，例如：
  D:\AI\
  D:\localAiDraw\
  E:\AI\
- 在继续下载/部署前，先问我确认统一保存根目录。
- 所有新下载、新安装、新生成的内容都尽量放到这个根目录下，包括：
  - StabilityMatrix
  - OneTrainer
  - Python/venv 环境
  - 底模
  - LoRA 输出
  - 训练运行目录
  - 日志
  - 自动打标结果
- 如果剩余空间不足，先停下，不要硬下载大文件。
- 粗略空间建议：
  - 只训练 LoRA：至少预留 30GB
  - 同时部署 StabilityMatrix + OneTrainer + 模型 + 缓存：建议预留 80GB 以上
  - 要下载多个底模或反复训练：建议 150GB 以上

第零点一步：先确认训练目标和训练集
- 先问我要训练的角色/OC 名称。
- 让我提供或选择训练集文件夹。
- 统计训练集：
  - 图片数量
  - 图片格式
  - 大致分辨率
  - 是否有同名 .txt 标签
  - 是否有重复图
  - 是否有糊图
  - 是否有 UI 截图
  - 是否有水印图
- 如果训练集不存在、图片太少、路径不清楚，先停下问我。
- 不要还没确认训练集就开始部署一堆东西。
- 如果训练集太乱，建议新建 clean_dataset 文件夹，但不要直接删除原图。
- 给我一个小白能懂的训练集建议：
  - 近景
  - 半身
  - 全身
  - 正面
  - 侧面
  - 不同姿势
  - 不同表情
  - 不同背景
- 如果训练集来自二次元/3D 游戏截图，要特别注意：
  - 去掉 UI 太多的截图
  - 去掉对话框遮挡角色的截图
  - 去掉明显糊掉的动作帧
  - 尽量保留角色主体清晰的图

第零点二步：先确认底模和相关模型
- 搜索本机是否已有：
  waiIllustriousSDXL_v170.safetensors
- 如果找到了，记录完整路径。
- 如果没有找到，先告诉我缺少底模，不要擅自用别的模型替代。
- 建议底模放到统一根目录，例如：
  <根目录>\Models\StableDiffusion\
- 检查底模文件大小是否合理，路径是否可读。
- 如果模型很大，下载前必须再次确认硬盘空间。
- 如果需要额外 VAE、tagger 模型、clip/encoder、WD14 模型缓存，先检查是否已有；没有再下载。
- 所有模型文件都尽量集中放在：
  <根目录>\Models\

第一步：环境体检
- 检查系统：Windows 版本、CPU、内存、磁盘。
- 检查 Python 版本，优先 3.10/3.11/3.12，不建议 3.14。
- 检查 Git 是否安装。
- 检查 winget 是否可用。
- 检查 StabilityMatrix 是否已经安装。
- 检查 OneTrainer 是否已经安装。
- 检查网络是否能访问 GitHub、HuggingFace、Python 官网、Git 官网。

第二步：缺基础环境就部署
- 如果没有 Git，优先用 winget 安装 Git：
  winget install --id Git.Git -e --source winget
- 如果 winget 安装 Git 失败，则打开 Git 官网并提示我手动安装：
  https://git-scm.com/install/windows
- 如果没有合适 Python，优先用 winget 安装 Python 3.12：
  winget install --id Python.Python.3.12 -e --source winget
- 如果 winget 安装 Python 失败，则打开 Python 官网并提示我手动安装：
  https://www.python.org/downloads/windows/
- 如果 winget 不可用，给出手动下载链接和离线安装方案。
- 安装任何东西前都要优先使用第零步确认的统一根目录。
- 安装后重新检测 Git、Python、winget 是否可用。

第三步：检测并部署 StabilityMatrix
- 先搜索本机是否已有 StabilityMatrix。
- 如果已有，记录它的路径，并检测是否能启动。
- 如果没有，下载并部署 StabilityMatrix。
- StabilityMatrix 用于训练完成后的跑图测试，不要把它和 OneTrainer 混为一谈。
- 部署后检查它的模型目录结构，并告诉我底模、LoRA 应该放在哪里。
- 如果 StabilityMatrix 已有 WebUI/ComfyUI 包，记录包路径。
- 如果没有可用跑图包，优先建议安装 ComfyUI；如果用户电脑较弱，再考虑轻量方案。
- 训练完成后，把 LoRA 输出路径告诉我，并说明如何复制或软链接到 StabilityMatrix 的 LoRA 目录。
- 如果 StabilityMatrix 下载失败，给出手动下载地址和离线部署步骤，不要无限重试。

第四步：检测并部署 OneTrainer
- 搜索本机是否已有 OneTrainer。
- 如果没有 OneTrainer，下载官方 OneTrainer 到统一根目录下。
- 运行 OneTrainer 自带 install.bat 部署依赖。
- 部署完成后检查：
  - scripts\train.py
  - scripts\generate_captions.py
  - venv\Scripts\python.exe
  - requirements.txt
- 如果依赖不完整，执行：
  pip install -r requirements.txt --force-reinstall
  然后执行：
  pip check
- 如果网络失败，列出需要离线准备的依赖和文件，不要一直重试。

第五步：自动打标
- 如果图片旁边没有同名 .txt，使用 WD14_VIT_2 自动打标。
- 标签策略：
  - 触发词放在每个标签最前面
  - 格式类似：
    my_oc_name, 1girl, solo, ...
- Caption Mode 优先使用 fill，避免覆盖已有标签。
- 自动打标后，抽样检查几个 .txt 文件。
- 如果发现明显错误标签，列出来并建议修正。
- 不要生成特别长、特别混乱的标签。
- 如果已经有人工标签，先不要覆盖，除非我确认。

第六步：生成训练配置
使用 Illustrious / waiIllustrious SDXL 角色 LoRA 起步参数：

- Model Type: STABLE_DIFFUSION_XL_10_BASE
- Resolution: 1024
- Epochs: 8
- Repeats: 5
- Batch Size: 1
- Gradient Accumulation: 1
- Learning Rate: 0.00005
- Warmup Steps: 200
- LoRA Rank: 16
- LoRA Alpha: 16
- Precision: BFLOAT_16
- Train Text Encoder: false
- TensorBoard: 可选
- TensorBoard Port: 6007
- Save Every Steps: 0
- Sample Every Epochs: 1

如果显存低于 8GB 或爆显存：
- 先把 Resolution 降到 768
- 保持 Batch Size = 1
- 关闭 Train Text Encoder
- Rank 降到 8 或 16

如果显存 10-12GB：
- Resolution 1024
- Batch Size 1
- Rank 16
- Learning Rate 0.000075

如果显存 16GB 以上：
- 可以尝试 Batch Size 2
- Rank 32
- Alpha 32
- Learning Rate 0.0001
- 但第一版仍建议先用保守参数跑通

第七步：启动训练
- 生成 OneTrainer 配置文件。
- 启动训练。
- 实时读取日志，显示当前阶段：
  - 准备配置
  - 缓存图片
  - 训练 step
  - epoch 进度
  - 保存 LoRA
- 如果报错，要解释原因并给出下一步。
- 常见错误处理：
  - CUDA out of memory：降分辨率、关 text encoder、batch 保持 1、rank 降低
  - TensorBoard port：换 6007/6008 或关闭
  - Python/依赖错误：重新安装 requirements
  - 数据集为空：检查 concept/dataset 路径
  - 模型路径错误：重新选择底模
  - NaN：降低学习率、改精度、检查标签是否异常

第八步：训练后整理输出
- 找到最终 .safetensors LoRA 文件。
- 告诉我完整路径。
- 建议复制或软链接到 StabilityMatrix/ComfyUI 的 LoRA 目录。
- 记录本次训练配置：
  - 底模
  - 训练集路径
  - 触发词
  - 训练参数
  - 输出文件
  - 日志路径
- 导出一份 JSON 配置，方便下次复现。

第九步：用 StabilityMatrix 跑图测试
- 启动 StabilityMatrix。
- 如果已安装 ComfyUI，优先使用 ComfyUI 测试。
- 检查底模是否能加载。
- 检查 LoRA 是否能加载。
- 给我一套测试参数：

ComfyUI / WebUI 起步参数：
- Checkpoint: waiIllustriousSDXL_v170.safetensors
- LoRA: 训练得到的 .safetensors
- LoRA model strength: 0.70
- LoRA clip strength: 0.70
- Width: 832
- Height: 1216
- Steps: 28
- CFG: 5.5
- Sampler: dpmpp_2m_sde
- Scheduler: karras
- Denoise: 1.0
- Seed: random

正面提示词模板：
<触发词>, 1girl, solo, full body, standing, anime 3d game screenshot, clean lighting, detailed face, high quality

负面提示词模板：
lowres, blurry, worst quality, low quality, bad anatomy, bad hands, extra fingers, missing fingers, fused fingers, deformed, distorted face, asymmetrical eyes, text, watermark, logo, signature, jpeg artifacts, cropped, out of frame

第十步：提醒我如何根据测试图调整
- 这一步只需要提醒我怎么判断和怎么调，不要继续强行自动操作。
- 如果不像角色，提醒我：
  - LoRA 权重可以升到 0.80-0.90
  - Prompt 最前面确认有触发词
  - 加角色关键特征词
- 如果脸崩，提醒我：
  - LoRA 权重降到 0.55-0.65
  - CFG 降到 4.5-5.5
  - Steps 24-28
- 如果颜色太重或衣服糊，提醒我：
  - 降 LoRA 权重
  - 检查训练集是否重复图太多
  - 下次训练减少 Epochs 或 Repeats
- 如果完全没效果，提醒我检查：
  - LoRA 是否真的加载
  - 触发词是否写对
  - LoRA 是否放在正确目录
  - 底模是否和训练底模一致

输出方式要求：
- 先给我一个简短计划。
- 然后开始本地检测。
- 每完成一个阶段，给我一句简短状态。
- 不要长篇解释原理，除非我问。
- 所有路径、命令、下载位置都要明确写出来。
- 出错时不要停在“失败了”，要判断原因，给出下一步。
- 能自动做的就自动做；需要我确认的，只问最关键的问题。
```

codex_Illustrious_lora_skill

codex_Illustrious_lora_skill 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

codex_Illustrious_lora_skill

codex_Illustrious_lora_skill 최신버젼 다운로드

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

Download README