ComfyUI Training leicht gemacht

Die Welt des KI-Modelltrainings entwickelt sich rasant, und die Trainingsmöglichkeiten von ComfyUI werden durch Plattformen wie Promptus Studio Comfy (PSC), das auf dem Open-Source-Framework ComfyUI aufbaut, immer zugänglicher.

In einer aktuellen Präsentation des Mitbegründers und CEO von Comfy.org werden integrierte Schulungsabläufe hervorgehoben, die den Wechsel zwischen mehreren Benutzeroberflächen überflüssig machen.

Einführung in ComfyUI Platforms 🌐

Bevor Sie sich mit den Trainingstechniken befassen, sollten Sie verstehen, wie Plattformen wie Promptus Studio Comfy das ComfyUI-Erlebnis verändern:

• Browserbasiert und Cloud-basiert: CosyFlows-Schnittstelle ohne Code für Drag-and-Drop-Workflows.
• Zusammenarbeit in Echtzeit: Discord-Integration und Workflow-Publishing für Teams und Solo-Ersteller.
• Erweiterter Modellzugriff: Gemini Flash, HiDream, Hunyuan3D, Stabile Diffusion, GPT-4o, Gemini usw.
• Verteiltes GPU-Computing: Schnelleres Rendern und hochauflösende Ausgaben ohne lokale Hardwarebeschränkungen.

Die Herausforderung mit traditionellem LoRa-Training 💻

• Mehrere Schnittstellen: Benutzer trainieren LoRa oft außerhalb von ComfyUI mit separaten Tools oder Skripten.
• Schwierigkeiten bei der Bewertung: Es ist schwierig, die Effektivität des Trainings in Echtzeit zu beurteilen, da ein manueller Vergleich erforderlich ist.
• Störung des Arbeitsablaufs: Ständiger Kontextwechsel zwischen Schnittstellen reduziert die Effizienz und verlangsamt die Iteration.

Integrierte Schulungslösung 🔧

• Einheitlicher Arbeitsablauf: Integrieren Sie Trainingsknoten in ComfyUI selbst — keine externen Skripte erforderlich.
• LoRa Nodes trainieren: Neue Knoten führen neben bekannten Modellladeknoten das Training nahtlos innerhalb derselben Oberfläche durch.
• Direkter Vergleich: Erstellen Sie separate Inferenzdiagramme — eines ohne LoRa, eines mit angewendetem LoRa —, um die Ergebnisse in einem einzigen Bild nebeneinander zu vergleichen.
• Überwachung in Echtzeit: Beobachten Sie während des Trainings Verlustfunktionen und Ausgabevorschauen, um die Parameter im Handumdrehen zu optimieren.

Ergebnisse der Live-Trainingsdemonstration ⚡

• Beispiel für eine Overfitting-Demo: Habe das Beispielbild von Comfy in ComfyUI verwendet und dabei Clip Builder- und Model Loader-Knoten sowie neue Trainingsknoten verwendet.
• Feedback in Echtzeit: Anzeige von Verlustkurven und Zwischenausgängen, die zeigen, wie sich das Modell verbessert.
• Direkter Vergleich: Mit Inferenzdiagrammen ohne oder mit LoRa können Benutzer die Effektivität sofort beurteilen.

Warum LoRa-Training immer noch wichtig ist ❤️

• Genauigkeit im Vergleich zu Closed-Source-Modellen: Tests zeigen, dass Closed-Source-Modelle manchmal nicht in der Lage sind, das wahre Abbild hochgeladener Fotos zu erfassen.
• Schnellere Bearbeitung: Das LoRa-Training erfordert oft weniger Rechenleistung als die vollständige Feinabstimmung, was zu schnelleren Iterationen führt.
• Bessere Subjektdarstellung: LoRa ist zwar nicht perfekt, kann aber Ergebnisse erzielen, die das tatsächliche Thema besser widerspiegeln.
• Flexibilität: Benutzer können LORAs für Nischenstile oder persönliche Datensätze anpassen.

Erweiterte Modellunterstützung und Multi-GPU-Funktionen 🖥️

• Modelle steuern: Kommende Unterstützung für verschiedene ControlNet-Typen direkt in ComfyUI-Workflows.
• Schulung mit mehreren GPUs: Plant, Multi-GPU-Setups über ComfyUI PRs zu integrieren, um größere oder schnellere Trainingsläufe zu ermöglichen.
• Trainingsoptionen für das Basismodell: Während codebasierte Tools nach wie vor beliebt sind, bietet die integrierte Multi-GPU in ComfyUI eine Alternative für Benutzer, die GUI-gesteuerte Workflows bevorzugen.

Engagement der Gemeinschaft durch das RFC-System 🗣️

• Diskussion öffnen: Das RFC-System (Request for Comment) von Comfy.org ermöglicht es Community-Mitgliedern, neue Funktionen vorzuschlagen und zu diskutieren.
• Feedback-Schleife: Sammeln Sie Anregungen zu Projekten wie Selbstbildworkflows oder vereinfachten ComfyUI-Versionen und verbessern Sie so die Effizienz Ihres Teams.
• Kollaborative Entwicklung: Von der Community getriebene Entscheidungen helfen bei der Gestaltung von Schulungsknoten, UX-Verbesserungen und zukünftigen Roadmap-Elementen.

Erste Schritte mit modernen ComfyUI-Plattformen 🎯

• Melde dich für Promptus an: Besuch https://www.promptus.ai und wählen Sie Promptus Web (Browser) oder Promptus App (Desktop).
• Erkunden Sie die Trainingsabläufe: Verwenden Sie integrierte Train LoRa-Knoten über Cosyflows — kein Scripting erforderlich.
• Nutzen Sie Cloud-GPUs: Führen Sie Schulungen auf leistungsstarker Remote-Hardware durch, um die Konvergenz zu beschleunigen.
• Zusammenarbeiten und Veröffentlichen: Teilen Sie Workflows, überwachen Sie den Trainingsfortschritt in Echtzeit mit Teamkollegen und wiederholen Sie schnell anhand von Feedback.
• Multimodale Generierung: Kombinieren Sie Trainingsergebnisse mit Bild-, Text- oder Videopipelines auf derselben Plattform.

Fazit ✨

Die direkte Integration von Trainingsfunktionen in ComfyUI stellt einen erheblichen Fortschritt in Bezug auf Zugänglichkeit und Effizienz für das KI-Modelltraining dar.

Durch die Vereinheitlichung von Training und Inferenz in einer Oberfläche, die Bereitstellung von Evaluationen in Echtzeit und die Nutzung von Cloud-Ressourcen über Plattformen wie Promptus Studio Comfy können Entwickler fortgeschrittene Schulungstechniken ohne technische Probleme anwenden.

Melde dich an unter https://www.promptus.ai um mit der Entwicklung und Verfeinerung von LoRa und anderen Trainingsworkflows mit der Leistung und Flexibilität moderner ComfyUI-Plattformen zu beginnen.