Dann verstehe ich nicht wo das Problem ist, bei mir will kein Model funktionieren. Was hat es den mit den ganzen Tags am Hut z.B. sehe ich oft "LoRa" was hat es damit auf sich und wieso funktionieren diese nicht?
Nachtrag die "Checkpoint" oder "Checkpoint Merge" markierten scheinen zu funktionieren, aber alles weiter mit z.B. "LoRa" oder FLUX Dev mit "Checkpoint Trained" wiederum nicht.
Ah, jetzt verstehe ich dein Problem. Lora ist was anderes, die bitte nicht verwenden. Im Filter unter Model Types derzeit nur Checkpoints verwenden. 'Trained' oder 'Merge' ist egal. Ein Merge-Model ist ein Verschnitt aus unterschiedlichen Modellen. File Type bitte safetensor verwenden; diese dürften auf Viren gescannt sein.
Base Modelle könnt ihr nehmen was ihr wollt; empfehle euch aber nach wie vor Flux.1D. Zum nachbearbeiten nehm ich auch sehr gerne SD1.5
Meinst Du damit diesen FLUX Dev mit "Checkpoint Trained" https://civitai.com/models/618692/flux Der will bei mir nicht laufen. Hoffe, das mit Lora wird nicht noch komplizierter, da sind echt interessante dabei.
Also ich habe irgendwo gelesen, dass der nicht in "Checkpoints", sondern in "unet" rein müsste. Bringt aber nix, weil der dann ja nicht mehr auswählbar ist..
Morgen. Die Lora sind einfach zu integrieren. Sollte alles andere gut laufen ist das eine Kleinigkeit. Mit Flux Dev meine ich das Checkpoint Trained, richtig. Das Flux Modell wurde von Black Forest Labs entwickelt. Da steckt viel Geld und Energie dahinter. Der Link, den ich euch auf CivitAI empfohlen habe (mit dem Checkpoint Trained) bietet ein AI Modell an, das auf diesem Flux Modell von Black Forest Labs basiert. Man kann nämlich selber solche Modelle trainieren. Als Basis sucht man sich ein Modell aus und schickt ihm weitere Trainingsdaten zum verarbeiten. Das hat der Autor auf CivitAI so gemacht. Das ganze ist natürlich sehr aufwändig; ein paar Bilder mit Beschreibungen reichen dafür nicht. Wenn man aber nur wenige Trainingsdaten hat oder eben nicht so viel Aufwand damit haben möchte macht man üblicherweise ein Lora Modell. Also auch hier wählt man ein Basismodell (kann auch ein Checkpoint Trained sein) und erweitert dieses mit seinen Daten. Wichtig beim Lora Modell für uns ist nur zu kontrollieren ob der Basis Typ des Lora Modells mit dem Modell zusammenpasst welches man verwenden will. Also, wenn wir als Checkpoint (AI Modell) ein Flux.1D ausgewählt haben soll das zusätzlich dazu verwendete Lora Modell ebenfalls auf Flux.1D basieren.
