Ein Denkanstoß: Erstelle mit Qwen dein eigenes LoRA und generiere Bilder, die deinen Vorlieben entsprechen

Welche Version von Qwen verwendest du genau? Wie viele Bilder braucht man etwa für das Training von LoRA, wie viel VRAM wird belegt, und wirst du später noch eine Parameterkonfiguration und Hinweise zu typischen Fallstricken nachreichen?

Erst mit einem kleinen Datensatz zum Laufen bringen, dann skalieren – und wenn der VRAM nicht reicht, nicht mit aller Gewalt auf hohe Auflösung gehen.

Ich finde es ziemlich problematisch, dass du den praktischen Teil als AI Slop bezeichnest, aber keine Bilder dazu lieferst. Dadurch ist es für Einsteiger schwer einzuschätzen, ob jeder Schritt tatsächlich erfolgreich war. Bei Dingen wie Datenbereinigung, Annotationsformat, Trigger-Wörtern, Trainingsschritten und Overfitting-Verhalten ist es ohne Screenshots oder Beispielausgaben kaum möglich, das allein anhand des Textes nachzuvollziehen. Wenn du später noch eine schematische Darstellung des Ablaufs von der Datenvorbereitung bis zur Bildausgabe ergänzen könntest, wäre der Mehrwert deutlich größer.

Man kann das Ziel zunächst in zwei Schritte aufteilen: Zuerst wird ein kleiner Datensatz mit einer festen Figuren- oder Stilauswahl erstellt, um zu prüfen, ob LoRA stabil funktioniert; danach werden die Auswirkungen verschiedener Basismodelle und Sampler auf das Ergebnisbild verglichen. So lassen sich leichter wiederverwendbare Erfahrungen sammeln, als wenn man von Anfang an alles auf einmal abdecken will.

Ohne Bild ist es wirklich schwer, den Effekt zu beurteilen – werden später noch Beispielbilder ergänzt?