Skip to content

Boogu-Image 0.1 クイックスタート

このガイドでは、SimpleTuner で Boogu-Image 0.1 の LoRA と LyCORIS LoKr を学習する手順を説明します。Boogu-Image は text-to-image、turbo、edit の flavour を持つ flow matching 画像モデルです。SimpleTuner 統合ではローカルの pipeline / transformer 実装を使い、エクスポート済み pipeline checkpoint は Hugging Face の SimpleTuner namespace にあります。

同梱のスターター config:

simpletuner/examples/boogu_image/v0.1-base/default/peft-lora/config.json
simpletuner/examples/boogu_image/v0.1-base/default/lycoris-lokr/config.json

ハードウェア要件

Boogu-Image は大型の transformer 画像モデルとして扱ってください。最初は 1024px、batch size 1、bf16 mixed precision、gradient checkpointing 有効で始めるのが無難です。

推奨の開始点:

  • 標準: v0.1-base、bf16 LoRA、rank 16。
  • 低 VRAM: v0.1-base-fp8、v0.1-turbo-fp8、v0.1-edit-fp8 などの FP8 flavour。
  • 高速な検証/推論: turbo flavour。ただし assistant LoRA の状態に注意してください。
  • 編集: paired conditioning data と v0.1-edit または v0.1-edit-fp8。

メモリ使用量は rank、optimizer、validation 解像度、offload、compile、FP8 の有無で変わります。単一 H100 では、同梱 PEFT LoRA 例を 1024px、benchmark と validation 有効で 1000 steps 学習できます。

Torch compile と attention

NVIDIA GPU では、利用可能なら Hugging Face Hub kernel の attention alias を使います:

{
  "attention_mechanism": "flash-attn-3-hub",
  "dynamo_backend": "inductor",
  "dynamo_use_regional_compilation": true
}

特定の GPU/driver で compile された validation が黒画像になる場合は、学習レシピを変える前に torch compile を無効にして再テストしてください。

インストール

pip で SimpleTuner をインストールします:

pip install 'simpletuner[cuda]'

# CUDA 13 / Blackwell ユーザー
pip install 'simpletuner[cuda13]' --extra-index-url https://download.pytorch.org/whl/cu130

手動インストールや開発セットアップは installation documentation を参照してください。

環境設定

Web UI

SimpleTuner WebUI で Boogu-Image の training config を作成できます:

simpletuner server

http://localhost:8001 を開き、model family に boogu_image を選びます。

手動 / コマンドライン

config/config.json.example を config/config.json にコピーします:

cp config/config.json.example config/config.json

主な設定:

  • model_type - lora。
  • lora_type - PEFT LoRA は standard、LyCORIS LoKr は lycoris。
  • model_family - boogu_image。
  • model_flavour - v0.1-base、v0.1-base-fp8、v0.1-turbo、v0.1-turbo-fp8、v0.1-edit、v0.1-edit-fp8。
  • pretrained_model_name_or_path - 通常は未設定にし、flavour から SimpleTuner/Boogu-Image-0.1-* pipeline を選ばせます。
  • output_dir - checkpoint と validation 画像の保存先。
  • train_batch_size - 1 から始めます。
  • resolution - 1024 から始めます。
  • resolution_type - multi-aspect bucket には pixel_area。
  • validation_resolution - 通常は 1024x1024。複数指定は comma 区切り。
  • validation_guidance - base/edit では 4.0 前後。
  • validation_num_inference_steps - base/edit では 30 前後。turbo は少ない step で動きます。
  • mixed_precision - 最近の NVIDIA GPU では bf16。
  • gradient_checkpointing - 有効にします。
  • flow_schedule_shift - examples は 3 を使います。

最小 PEFT LoRA config:

{
  "model_type": "lora",
  "model_family": "boogu_image",
  "model_flavour": "v0.1-base",
  "lora_type": "standard",
  "lora_rank": 16,
  "lora_alpha": 16,
  "output_dir": "output/models-boogu-image-v0.1",
  "train_batch_size": 1,
  "validation_resolution": "1024x1024",
  "validation_guidance": 4.0,
  "validation_num_inference_steps": 30,
  "validation_prompt": "a polished product photo of a ceramic mug on a walnut desk",
  "validation_steps": 50,
  "mixed_precision": "bf16",
  "gradient_checkpointing": true,
  "flow_schedule_shift": 3,
  "optimizer": "adamw_bf16",
  "learning_rate": 1e-4,
  "lr_scheduler": "constant_with_warmup",
  "lr_warmup_steps": 10,
  "max_train_steps": 1000,
  "resolution": 1024,
  "resolution_type": "pixel_area",
  "data_backend_config": "config/examples/_shared/multidatabackend-small-dreambooth-1024px.json"
}

examples の実行

simpletuner train example=boogu_image/v0.1-base/default/peft-lora
simpletuner train example=boogu_image/v0.1-base/default/lycoris-lokr

開発 checkout 形式:

simpletuner train env=examples/boogu_image/v0.1-base/default/peft-lora
simpletuner train env=examples/boogu_image/v0.1-base/default/lycoris-lokr

FP8 flavour

エクスポート済み FP8 pipeline weights を使う場合は -fp8 flavour を選びます:

{
  "model_family": "boogu_image",
  "model_flavour": "v0.1-base-fp8"
}

同じパターンで v0.1-turbo-fp8 と v0.1-edit-fp8 も使えます。Boogu の .bin ファイルを直接指定する必要はありません。

Turbo assistant LoRA

SimpleTuner は v0.1-turbo と v0.1-turbo-fp8 で assistant LoRA のコードパスを有効にします。現時点では、この統合用の別 adapter が公開されていないため、adapter path は None placeholder です。

adapter が用意されるまでは turbo をエクスポート済み pipeline target として扱い、品質は validation で確認してください。最も予測しやすい baseline は v0.1-base です。

edit training

Boogu edit flavour には paired conditioning data が必要です。Qwen Image Edit quickstart と同じ paired-reference dataset 構造を使ってください。

text-to-image LoRA では base または turbo flavour を使います。

validation prompt

validation_prompt は主 validation prompt です。広く確認するには prompt library を追加します:

{
  "product": "a polished product photo of <token> on a walnut desk",
  "studio": "a clean studio portrait of <token> with softbox lighting",
  "cinematic": "a cinematic scene featuring <token>, detailed lighting, shallow depth of field"
}

config から指定します:

{
  "validation_prompt_library": "config/user_prompt_library.json"
}

過学習、prompt collapse、style drift を見つけやすいように、十分に異なる prompt を使ってください。

推論

学習後は、学習に使った flavour と同じ Boogu-Image pipeline で adapter を読み込みます。通常の主要ファイル:

output/models-boogu-image-v0.1/pytorch_lora_weights.safetensors