Какие ошибки в txt-файлах ломают обучение LoRA

Короткий ответ. Обучение LoRA может сорваться или дать плохой результат из-за TXT-подписей, если файл не найден тренером, не читается, не соответствует фото или систематически описывает его неверно. Сначала проверьте имена и кодировку, затем содержание на парах «изображение — caption», а после — поддержку выбранного формата в тренере. Не все проблемы TXT вызывают явное падение процесса: часть из них тихо ухудшает модель. Требования к caption-файлам и настройкам поднабора смотрите в документации Kohya sd-scripts.

Ошибки, из-за которых подпись не читается

Самый частый случай — несовпадение базового имени. Например, есть 001.jpg, а рядом 01.txt. Многие тренеры связывают их по имени, но точное правило зависит от инструмента. Файл также может лежать не в той папке, иметь двойное расширение вроде 001.txt.txt или быть пустым. На Windows скрытые расширения особенно часто создают такую ошибку. Проверьте список файлов через файловый менеджер с включённым показом расширений либо через терминал.

Кодировка — ещё один источник сбоев. Если тренер ждёт UTF-8, а TXT сохранён в старой локальной кодировке, кириллица может превратиться в нечитаемые символы или вызвать ошибку декодирования. Проверяйте тестовый файл с русским текстом в том окружении, где пойдёт обучение. Не переименовывайте только расширение: кодировка от этого не меняется.

Ошибки, которые не останавливают тренер

• Подпись принадлежит соседнему фото после массового переименования.
• Автоматический captioner неверно определил цвет волос, одежду или эмоцию.
• У половины файлов один trigger word, у другой — вариант с опечаткой.
• Во всех TXT повторяется случайный фон, который вы не хотели закреплять.
• Общие фразы одинаковы у всех снимков и не помогают различать ракурс или одежду.

Процесс при этом может идти без ошибки, но LoRA научится неправильным связям. Поэтому успешный старт обучения не равен проверенному датасету. Откройте случайные пары фото и TXT, включая крайние номера после сортировки. Если вы используете metadata JSON вместо соседних файлов, проверьте его структуру и соответствие путей по документации вашего тренера.

Короткий технический аудит перед запуском

1. Посчитайте изображения и подписи. Объясните любые различия в количестве.
2. Найдите TXT без картинки и картинки без TXT по базовому имени.
3. Проверьте один русский и один английский caption на корректную кодировку.
4. Найдите пустые файлы и подписи с неожиданно длинным текстом.
5. Посмотрите частотность trigger word и типичных цветов, фонов, ракурсов.
6. Откройте визуально несколько пар из каждой папки, не полагаясь только на скрипт.

Перед массовым исправлением скопируйте папку captions. Скрипт замены может непреднамеренно изменить описание одежды, когда вы пытались исправить цвет волос. После редактирования сравните несколько diff и снова прогоните технический аудит. Для первого обучения полезен маленький пилот: он выявляет проблемы формата до затрат на большой запуск.

Если обучение уже началось с ошибочными TXT

Остановите его на ближайшей безопасной точке, сохраните лог и конфигурацию. Исправление TXT после завершения не меняет уже обученный checkpoint. Потребуется новый эксперимент или продолжение по правилам вашего тренера, но сперва выясните масштаб ошибки. Если неверны два файла из большого набора, эффект может быть небольшим; если систематически неверны все цвета или пути, результату доверять нельзя.

Не увеличивайте число шагов в попытке «перебить» противоречивые подписи. Сначала исправьте данные и сравните короткие контрольные генерации. Общий принцип обучения LoRA и роль параметров описаны в Hugging Face Diffusers.

Частые вопросы

Может ли пустой TXT быть допустимым?

Зависит от тренера и стратегии обучения. Не рассчитывайте на это без проверки конфигурации и логов.

Почему LoRA обучилась, но не слушает prompt?

Проверьте содержание captions, совместимость базы, trigger word и вес применения. Успешный файл checkpoint не доказывает корректную разметку.