Ho appena completato 6 mesi di autoapprendimento.
Ci sono due siti gratuiti che conosco e che mi piacciono perché fanno quello che voglio... pornworks e perchance. Sono dannatamente precisi e potenti, a patto di imparare a fare i prompt come si deve. Quello è stato il mio primo passo. Quando sono riuscito a farmi dare dalle webapp online quello che volevo, mi sono sentito soddisfatto di quel progresso. Non sto dicendo che non ci sia altro da imparare, ce n'è una marea, e io sto appena iniziando, quindi uso frasi semplici e ben scritte per descrivere l'idea generale in una o due frasi. Poi elenco i dettagli e uso parole chiave separate da virgole, per esempio.
Poi ho voluto approfondire la parte tecnica, così ho preso una EVGA GTX 1080TI usata su ebay a 150 $. Funziona alla perfezione per i modelli piccoli e tiene il mio budget bassissimo. Non vedo il senso di pagare più del prezzo di listino, non importa quanto sia buona una GPU o quanto sia recente la generazione. Ho usato LUMO per aiutarmi, facendogli le domande (che pensavo fossero quelle giuste) che mi servivano per imparare quello che volevo fare. Ho 32 GB di RAM, tutta ddr4, economicissima. NVME per un sistema veloce, ma uso dischi extra per archiviare i modelli grandi / backup delle lora.
Con l'hardware pronto mi sono messo a studiare gli LLM e quali fossero i termini giusti da imparare, conoscere, capire per orientarmi nell'"ecosistema". Considerate l'ambito: per ora imparo solo la generazione di immagini, quindi le mie domande sono piuttosto specifiche. Ma in realtà sono partito dagli LLM testuali, faccio girare LM studio in locale, con un bel modello che è ottimo in matematica e scienze, documenti storici ecc., sa programmare ed è MOLTO bravo. Sto usando il modello Qwen3.5 9B Uncensored HauhauCS Aggressive, se vi interessa. È abbastanza buono per iniziare, credo.
Con quello e LUMO sono riuscito a capire cosa sono framework, workflow, nodes, comfy UI, locale vs non locale, la differenza tra LLM di generazione testo e modelli di generazione immagini... Una volta che avevo un'idea di base, ho guardato video su youtube per circa un mese, solo per vedere cosa fanno gli altri, e onestamente qui non è servito granché perché la maggior parte di chi fa guide aveva video troppo vecchi o il software era cambiato e mi uscivano errori seguendoli, e soprattutto erano troppo avanzati e non spiegavano i concetti di base, stupidamente semplici, che a me mancavano.
Quindi sono rimasto sugli LLM testuali, ho installato comfy UI e caricato il mio primo modello da RED-CIVIT.AI, ed era un SD 1.5, per tenere tutto piccolo e facile per la mia GPU e anche per il workflow. Non è così opprimente come pensavo all'inizio, ma solo perché mi sono tenuto alle mappe (cioè workflow) più semplici. Uso solo i nodes necessari e non c'è niente di elaborato. Non avevo nemmeno aspettative su cosa sarebbe uscito. Ho solo aggirato bug, problemi di software e installazione, imparando i trucchi, usando soprattutto LUMO perché può accedere al web ed è più aggiornato: riesce a prendere gli ultimi aggiornamenti, patch, modifiche ecc.
La maggior parte del mio tempo finora l'ho passata a creare bene gli ambienti sul mio computer e a tenere tutto organizzato. Quando ho avuto la configurazione più semplice funzionante, ho potuto iniziare a imparare sui nodes e sui bug che avevo copiando il workflow di qualcun altro (un incubo se è complesso, tra l'altro), quindi ho continuato a usare LUMO per cavarmela, usando solo i nodes necessari per generare in SD 1.5. Ne ho tipo 5 - 8 o giù di lì, se ricordo bene, ehm, quello con la lora credo. Forse 6 nodes solo per testo a immagine? Non posso controllare adesso, sto addestrando una lora proprio in questo momento.
Andando avanti, una volta padroneggiato SD 1.5, sono passato a imparare di più sui diversi modelli, cosa sono le LORA, e stili o temi. Su Civit.AI è facilissimo vedere cosa si ottiene e sono organizzati bene, quindi sono rimasto lì per questo. Ho scoperto quali modelli e lora funzionano con la mia GPU, ho iniziato a scaricare qualche modello per i pochi archetipi diversi che esistono: ho pony, krea2, SD 1.5, SDXL, Illustrious e così via, e per ognuno ho preso qualche lora, solo qualcuna, tenendo le directory pulite e organizzate in un VENV funzionante – questo è per python su linux.
Poi ho imparato e salvato i workflow più semplici per ogni tipo di modello – con / senza lora, con / senza immagine in input insieme al testo. Quindi ora posso usare uno qualsiasi di quei modelli con e senza lora per generare un'immagine da testo. Senza dimenticare che ho imparato diversi modi per controllare l'output, come UNET, text encoder, vae e custom nodes.
Poi ho voluto addestrare una lora di personaggio, quindi mi sono messo a farlo, usando di nuovo LUMO come guida perché ha accesso alla rete e informazioni aggiornate. Ho installato il framework di training kohya_ss e l'ho fatto funzionare, albero delle directory organizzato ecc... e stamattina sto elaborando la mia lora di personaggio V2. Stamattina ho usato per la prima volta la mia lora, quella che ho addestrato tutta la notte scorsa. Ci sono volute 10 ore. Non male, ho pensato. Così ho chiesto di nuovo come migliorarla dopo aver testato e usato quella lora. Funziona alla perfezione ma è potente, troppo potente anzi, e ha poca flessibilità.
Facendo qualche modifica al comando di training iniziale, ora sto facendo girare una sessione di training per produrre una lora più flessibile ma sullo stesso dataset.
Questo non l'avevo detto, ma ho dovuto imparare a creare ed elaborare un dataset prima di addestrare la lora... fa parte del processo. Ci sono ovviamente infiniti modi per farlo, ma ho scelto un approccio semplice che mi insegnasse i concetti di base, e uso anche la CLI e non la GUI per fare più esperienza con il terminale. È più fluido e controllabile, con regolazioni fini, ma un po' più complesso da configurare all'inizio. Si può usare windows e kohya_ss ma è una GUI e io NON uso windows, da più di 10 anni. Non ci torno.
Detto questo, sono molto contento dei miei progressi perché non ascolto i cattivi consigli degli altri quando si tratta di usare l'IA come guida. Lo chiedo alla gente e sembrano tutti avere opinioni piuttosto negative sull'IA e capisco perché, a me nemmeno piacciono tanto le farm di IA industriali perché consumano un sacco di elettricità, preferisco usare il locale dove posso. Non mollate, usate uno strumento, imparatelo bene e continuate ad aggiungere strumenti alla vostra cassetta. Considerate tutto quello che dice qualcuno e non siate prevenuti, perché potreste perdervi qualcosa che vi sarebbe utile se solo non aveste distolto lo sguardo.
Troverete ciò che funziona per voi, e questo è il mio consiglio.
Modificato per grammatica, ortografia ecc.
