Entrenamiento de un LoRA Flux con Replicate
Este artículo detalla cómo entrenar una LoRA para Flux con las herramientas en línea de Replicate.com, además del artículo principal sobre Entrenamiento de una LoRA Flux.
Replicate Flux LoRA Trainer
La IA generativa al alcance de su mano
Replicate es una plataforma que pone la IA generativa al alcance de un amplio público: tanto desarrolladores como aficionados curiosos pueden explorar y utilizar diversas tecnologías de IA sin necesidad de conocimientos profundos.
Para la generación de imágenes, Replicate alberga una rica colección de plantillas y herramientas proporcionadas por la comunidad. Los usuarios pueden generar imágenes fácilmente explorando las plantillas existentes o desplegando sus propias plantillas personalizadas.
¿Es gratis?
Replicate no suele ser gratuito, y entrenar una LoRA cuesta algo menos de 3 euros. Sin embargo, tenemos un truco que puedes utilizar para crear tu propia LoRA gratis: siguiendo esta guía, puedes recibir 10 $ de crédito, suficiente para entrenar tu primera LoRA y generar varias docenas de imágenes con ella.
Entrenando a un LoRA en Replicate paso a paso
0. crear una cuenta Github (Requisitos previos)**
Antes de empezar, necesitarás una cuenta de Github para acceder a la plataforma Replicate. Si aún no tienes una cuenta, crea una fácilmente desde la página de registro de Github (es gratis).
1. Conectar a Replicate
10 créditos : abre la descripción de este vídeo de youtube y haz clic en el enlace → serás redirigido a una página de Replicate.
Haz clic en el botón Iniciar sesión con Github para crear tu cuenta, conectarte y recibir 10$.
2. Abre el feed LoRA Trainer
Ve a la página [FLUX.1 Dev LoRA Trainer] (https://replicate.com/ostris/flux-dev-lora-trainer/train) en Replicate. Aquí podrás entrenar a la LoRA.
3. Crear un modelo
Abra el selector Destino y haga clic en + Crear nuevo modelo.
Aparecerá un nuevo campo en el que deberá introducir un nombre para su LoRA (sin espacios ni mayúsculas).
4. Cargar imágenes
Sus imágenes deben estar en formato JPEG o PNG y empaquetadas en un archivo .zip.
Coloque el archivo en el campo input_images..
5. Elija una palabra desencadenante
A continuación debe definir el trigger_word, es decir, la palabra clave de activación de la LoRA. Esta palabra se asociará a todas las imágenes de su conjunto de entrenamiento, por lo que todo lo que tiene que hacer es utilizarla en el prompt para activar el LoRA.
Elija preferentemente una palabra que no exista y/o una palabra que corresponda al concepto de su LoRA.
6. Configuración de autocaption
A menos que haya preparado e incluido un archivo .txt con una descripción para cada imagen en su zip, querrá dejar esta opción activada.
La autocaption utilizará una plantilla de idioma para añadir una descripción de cada imagen que ayude a la LoRA a entender de qué se trata.
También puede añadir prefijos y sufijos que se añadirán automáticamente al principio o al final de las descripciones automáticas. Por ejemplo, para un personaje con el trigger_word «pniney», podríamos añadir «Una foto de pniney» como autocaption_prefix. Esto es opcional, sin embargo, y hemos tenido buenos resultados sin él.
7. Configurar la formación
A continuación vienen las opciones de entrenamiento. Éstas son el número de pasos de entrenamiento (Steps), el Learning Rate y el batch size.
A menos que tenga experiencia y conocimientos sobre el entrenamiento LoRA, debería dejar los dos últimos parámetros en sus valores por defecto (0,0004 y 1).
Puede, sin embargo, aumentar el número de Steps a 2000 o más - esto puede dar mejores resultados pero no necesariamente. Además, aumenta el tiempo de entrenamiento (y, por tanto, el coste).
8. Iniciar entrenamiento
A continuación, puede ignorar los demás campos del formulario y desplazarse hacia abajo para iniciar el entrenamiento de su modelo pulsando el botón Create training.
Todo lo que queda por hacer es esperar a que los servidores de Replicate se hagan cargo del entrenamiento y lo completen. Esto suele tardar entre 20 minutos y una hora.
Durante este tiempo, no es necesario mantener la ventana abierta ni el ordenador encendido. Todo sucede en el lado Replicate.
Cuando tu LoRA esté listo, aparecerá en la sección Trainings de tu cuenta Replicate.
Haga clic en el ID al principio de la línea para ir a la página de resultados del entrenamiento.
Desde allí, puede descargar su LoRA (Descargar pesos) o empezar a generar imágenes con Replicate.
Usando el LoRA
Si ha descargado el LoRA, puede utilizarlo a su conveniencia con una interfaz como ComfyUI o Forge, ambas le permiten generar imágenes con Flux y uno o más LoRAs.
Recuerde que el LoRA ha sido entrenado con Flux[dev] y funcionará mejor con sus modelos o derivados que con Flux[schnell]. En la mayoría de los casos, los LoRA para dev siguen funcionando con schnell, pero sus efectos son menos pronunciados.
Alternativamente, puede utilizar su LoRA directamente desde la página de resultados del entrenamiento utilizando el botón Run trained model.
La pantalla muestra entonces un formulario para configurar una generación.
Rellene el formulario, recordando incluir su palabra_disparadora, elija su formato de imagen (aspect_ratio) y haga clic en el botón Run para crear su primera imagen con su LoRA.
Licencia y uso comercial de LoRA
Replicate se ha asociado con Black Forest Labs para la generación de imágenes con sus modelos Flux, así como para la formación y puesta a punto en su plataforma, que sigue siendo totalmente gratuita, incluso para uso comercial.
Sin embargo, como el entrenamiento de LoRA se realiza con FLUX.1 [dev], el resultado hereda su licencia no comercial. En consecuencia, tu LoRA no podrá ser utilizado comercialmente y deberás respetar las condiciones de la licencia original del modelo.
¡Ahora es tu turno!
El LoRA Trainer para Flux on Replicate es una potente forma de crear modelos especializados de generación de imágenes adaptados a tus necesidades.
Tanto si eres un desarrollador que busca ampliar los límites de sus aplicaciones como si eres un diseñador multimedia que busca generar obras únicas, LoRA Trainer te abre un mundo de posibilidades.
Si le ha gustado este artículo, puede que también le interesen los siguientes: