Coore SS 가이드로 로라 모델 교육하기

### Coore SS를 사용한 로라 모델 학습을 위한 단계별 가이드
* 📸 고품질의 결과를 얻으려면 일관된 테마를 유지하고 저화질 이미지를 피하면서 **1024x1024픽셀 해상도로 20~100개의 이미지**를 준비하는 것이 좋습니다.
* ☁ 이미지가 준비되면 **zip 파일로 압축**하고 파일 이름을 **1_core_name**과 같이 단계 번호 밑줄 이름 형식으로 정리하여 클라우드에 업로드합니다.
* 🏷 이미지 폴더를 선택하고 캡션 이미지를 클릭한 후 로그 탭에서 진행 상황을 모니터링하면서 **Coore SS의 wd14 캡션 도구**를 사용하여 이미지에 태그를 지정할 수 있습니다.
* 🚀 태그 지정이 끝나면 **Laura 학습 탭에서 환경을 구성**하고 학습된 모델의 기본 모델, 이미지 경로 및 출력 디렉터리를 설정하여 **Laura 학습을 시작**합니다.
* ⚙ 학습 매개변수를 구성할 때는 **5~10개의 에포크**를 설정하여 모델이 데이터 세트에서 여러 번 학습하면서 속도와 품질 간의 균형을 맞출 수 있도록 하는 것이 좋습니다.
* 📊 로그 탭을 통해 훈련 진행 상황을 모니터링하여 모든 것이 원활하게 진행되는지 확인하고, 필요한 경우 **자세한 훈련 매개변수는 공식 코야 SS 가이드**를 참조하여 조정하세요.
* 🎉 이 단계를 통해 이미지 준비부터 트레이닝 구성까지 **Coore SS를 사용하여 자신만의 로라 모델을 트레이닝**할 수 있게 되어 고품질 모델을 제작할 수 있는 기반을 갖추게 되었습니다.

최적의 결과를 얻으려면 잘 준비된 이미지와 적절한 구성이 필요합니다.

[Music] Welcome to the tutorial. Today we're diving into how to train a Laura model using coore SS. From preparing images to completing the training, I'll guide you step by step to help you achieve high-quality results. Let's get started. Step one: preparing your images. First, let's talk about preparing your images. You'll want between 20 to 100 images for best results. Aim for a resolution of 1024x1024 pixels, though 512x512 can work too. A few dozen images are usually enough for effective training. Make sure the images have good resolution; avoid small low-quality ones. It's also important to maintain a consistent theme in your data set. Try to avoid images with complicated backgrounds or unrelated elements, as this could confuse the model. To add diversity, include different perspectives of your character, varied angles, facial expressions, and body poses. Focus on facial features for most of your images, with a smaller number of full body shots to keep the focus on the character's face. Step two: uploading images via cloud storage. Once your images are ready

you'll want to upload them to the cloud. Compress your images into a zip file. A good tip is to name the file following this format: step number underscore name, like 1_core_name. This helps keep things organized. After uploading, unzip the file to extract the images. Step three: tagging your images. Now it's time to tag your images. Coore SS has a built-in tool for this called the wd14 captioning tool. It's easy to use: just select the folder containing your images and click on caption images to begin the tagging process. You can monitor the tagging progress in the log tab. Once tagging is done, you'll see txt files appear in your image folder. [Music] [Music] a [Music] [Music] [Music] step four: initiating Laura training with your images tagged. Let's move on to training your model in Coore SS. Go to the Laura training tab to set up the environment. You'll need to configure the path for your training, select the base model you want to use, and specify the path where your images are stored. Don't

forget to define the output directory so you know where your trained model will be saved once it's ready. Step five: configuring Laura training parameters. Next, let's configure the training parameters. For most projects, I recommend setting 5 to 10 epochs. This means the model will go through your dataset 5 to 10 times. You can also adjust the maximum training steps, which will affect the balance between speed and quality. Once you're happy with the settings, start the training process. The model will now begin learning from your data. Step six: monitoring training progress. During training, make sure to keep an eye on the log tab. This will show you the training progress and help ensure everything is running smoothly. If anything seems off, you can stop and adjust your settings. For more detailed information on training parameters, check out the official Coya SS Laura training parameters guide. It can help you fine-tune your model for even better results. And that's it! You've now got the steps to train your own Laura model using Coya SS. From preparing images to configuring training settings, you're all

set to create high-quality models. Thanks for watching and happy training. [Music] [Music] n [Music] [Music] me [Music] [Music] n [Music] [Music]

Training a LoRA Model Using Kohya_ss

MIMICPC

Coore SS를 사용한 로라 모델 훈련

효과적인 교육을 위해서는 20~100개의 고해상도(1024x1024 또는 512x512) 이미지가 필요하므로 이미지 준비는 매우 중요합니다.

이미지를 클라우드에 업로드하고 zip 파일로 압축하여 정리하세요.

Coore SS의 wd14 캡션 도구를 사용하여 이미지에 태그를 지정한 다음 환경을 구성하고 이미지 경로를 지정하여 로라 모델 학습을 시작합니다.

Coya SS를 사용한 로라 모델 트레이닝

학습된 모델을 저장하려면 출력 디렉터리를 정의하는 것이 중요합니다.

훈련 매개변수는 5~10개의 에포크로 설정하고 속도와 품질을 위해 최대 훈련 단계를 조정해야 합니다.

로그 탭을 통해 훈련 진행 상황을 모니터링하는 것이 중요하며, 공식 Coya SS 가이드에서 모델 미세 조정을 위한 자세한 정보를 확인할 수 있습니다.

고품질 모델을 만들기 위한 프로세스를 설정하는 데 중점을 둡니다.

프레젠테이션에는 시청에 대한 감사와 성공적인 교육을 기원하는 내용이 포함되어 있습니다.

동영상 전체에 배경 음악이 등장합니다.