Karakter LoRA Eğitimi Neden Bu Kadar Zor? Yüzlerce Dolar Harcayıp Pes Eden Bir Mühendisin Hikayesi

Karakter LoRA Eğitimi: Sanat mı, Bilim mi, Yoksa Kader mi?

Bir mühendis, bir sanatçı, bir teknik mucit — ya da belki sadece bir hayal kurucu. Finalyzed, Reddit’de paylaştığı bu acı dolu yazıda, kendi karakterini dijital dünyada canlandırmak için iki ay boyunca RunPod sunucularında harcadığı yüzlerce doları, 87 adet yüksek çözünürlüklü fotoğrafı ve binlerce saatini kaybettiğini itiraf ediyor. Sonuç? %80 benzerlikle yetinmek zorunda kalması. Bu, sadece bir teknik başarısızlık değil; dijital kimlik oluşturma çabalarının modern toplumda ne kadar kırılgan olduğunu gösteren bir belge.

Neden Z-Image Base, Turbo ve Klein 9B Kullanılıyor?

Z-Image Base (ZIB) ve Z-Image Turbo (ZIT), Stable Diffusion ekosisteminde karakter benzerliği için özellikle optimize edilmiş modeller. Klein 9B ise, 9 milyar parametrelik büyük ölçekli bir model olarak, detay ve tutarlılık konusunda daha yüksek potansiyele sahip. Ancak bu modellerin her biri, farklı bir ‘dil’ konuşuyor. ZIT, hızlı eğitimi ve düşük kaynak tüketimiyle popüler; ancak detay kaybı yaşıyor. ZIB daha dengeli, ama genellikle yüz ifadelerinde ‘plastik’ bir görünüm veriyor. Klein 9B ise, teorik olarak mükemmel — ancak eğitim süreci o kadar maliyetli ki, birçok kullanıcı, modelin potansiyelini keşfedemeden yoruluyor.

87 Fotoğraf Yeterli mi? Hayır, Çünkü Kalite Değil, Çeşitlilik Öne Çıkıyor

Finalyzed, 87 fotoğrafın yeterli olduğunu düşünüyor. Gerçekten de bu sayı, literatürdeki standartların üzerinde. Ancak burada kritik nokta: sayı değil, çeşitlilik. Fotoğrafların ‘çoklu ışıklandırma, farklı açılar, çeşitli kıyafetler’ içerdiğini söylüyor — ama bu kelimelerin altında ne gizli? Eğer fotoğrafların %70’i aynı pozda, aynı ışıkta, aynı kıyafetle çekilmişse, model sadece bu tekniği ezberliyor, karakteri anlamıyor. Karakter LoRA’sı, bir insanın ruhunu değil, bir şablonu öğreniyor. Spicy fotoğrafların eklenmesi, eğitimi daha da karmaşık hale getiriyor: model, ‘cinsellik’ ile ‘kimlik’ arasında bağlantı kurmaya çalışırken, bu iki kavramı karıştırıyor. Bu, teknik bir hata değil, eğitim verisindeki semiyotik karışıklık.

AI-Toolkit, Prodigy_Adv, OneTrainer: Araçlar Yeterli mi?

Finalyzed, modern LoRA eğitim araçlarını denedi: AI-Toolkit, Prodigy_Adv, OneTrainer. Bu araçlar, teknik açıdan güçlü — ancak kullanıcı dostu değil. Prodigy_Adv gibi ‘gelişmiş’ eklentiler, eğitim sürecini daha da gizemli hale getiriyor. Örneğin, ‘learning rate’ ayarının 1e-5 mi 5e-6 mı olması gerektiğini anlamak için, bir makine öğrenimi doktoru olmak gerekmiyor mu? Birçok kullanıcı, bu araçların UI’sini ‘karmaşık’ olarak tanımlıyor — çünkü arka planda hangi parametrelerin neyi etkilediğini açıklayan belgeler yok. Bir çaycıya, ‘kaynak kodunu oku’ demek gibi. Bu, teknolojinin ‘kullanıcıyı bilgili varsayma’ hatası.

Ne Yapmalı? Gerçekçi Çözümler

• Veri kalitesi > veri miktarı: 30 adet, tamamen farklı ışık ve pozlarda çekilmiş, net yüz fotoğrafları, 87 adet aynı pozda çekilmiş fotoğraftan daha iyi.
• Ön işleme şart: Fotoğrafları 1024x1024’e zorlamak yerine, yüz bölgesini kesip, kopyalayıp, farklı arka planlara yerleştirerek veri çeşitliliğini artır.
• LoRA boyutu: 9B modeliyle eğitmek yerine, ZIB + 128-256 MB arası LoRA kullan. Büyük model + küçük LoRA, daha iyi genelleme sağlar.
• Learning rate: 1e-5 ile başla, 200-300 epoch arasında azalt. 500+ epoch, aşırı uyum (overfitting) demektir.
• Regülerizasyon: ‘Class image’ olarak başka bir kişinin fotoğraflarını ekleyerek, modelin ‘genel insan’ ile ‘senin karakterin’ arasında ayrım yapmasını sağla.

Ne Anlama Geliyor Bu Hikaye?

Finalyzed’in hikayesi, sadece bir teknik başarısızlık değil. Bu, dijital kimlik oluşturma arzusunun, teknolojinin henüz kavrayamadığı bir noktada kalmış olduğunu gösteriyor. İnsanlar, kendi avatarlarını, dijital ikizlerini yaratmak istiyor — ama bu süreç, sanat değil, mühendislik. Ve mühendislik, bilgiye dayanır. Bilgi yoksa, sadece para ve zaman harcanır. Bu, AI üreticilerinin, kullanıcıya ‘sadece eğit’ demek yerine, ‘nasıl eğitirsin’ diye rehberlik etmediği anlamına geliyor. Eğitim verisi, parametreler, epoch sayısı — bunlar, bir sanatçı için değil, bir bilim insanı için anlamlı. Ama bugün, herkes sanatçı gibi davranıyor.

Gelecek: Kim Kazanır?

Gelecekte, karakter LoRA eğitimi, bir ‘hobi’ değil, bir ‘hizmet’ olacak. Platformlar, kullanıcıya bir fotoğraf yükletip, ‘bu karakteri 1 saatte eğit’ butonu sunacak. O anda, Finalyzed’in çabaları tarihe karışacak. Ama şimdi, bu çaba, teknolojinin henüz yetişemeyen bir yarısını gösteriyor. İleride, bu hikayenin biri olmayacak. Ama şimdi, o biri — ve onun yorgunluğu, bizim tümümüzün yorgunluğumuz.