Klein9B Full Finetune v1 — Anime Aesthetic (WIP)这是我基于 FLUX.2 Klein 9B 做的第一版全量微调尝试，目标是验证小规模高质量 danbooru-tag 数据对动漫插画风格的提升效果。 当前版本仍属于 baseline / work-in-progress：模型还没完全收敛，后续还有明显提升空间。<h3 id="data">Data</h3><ul><li>本次训练主要参考并使用了 danbooru 风格的标注体系，核心起步数据来自 danbooru-top10k（HF 数据集链接见下）。</li><li>实际训练中会逐步扩展到更大的 curated 数据规模（目标约 10k–50k 量级），以提升细节、稳定性与泛化能力。 Dataset reference: <code>karansharma7949/danbooru-top10k</code> (HF)</li></ul><h3 id="training-(current-baseline)">Training (current baseline)</h3><ul><li>Base: FLUX.2-klein-base-9B</li><li>Train: UNet ✅ / Text Encoder ❌ (frozen)</li><li>Scheduler/Sampler: flowmatch</li><li>Optimizer: Adafactor</li><li>LR: 1e-6</li><li>Precision: bf16</li><li>Buckets: 512 / 768 / 1024</li><li>Batch: 2, grad accum: 4</li><li>EMA: ✅ (0.99)</li><li>TE quant: qfloat8</li></ul><h3 id="status-and-roadmap-(planned-improvements)">Status &amp; Roadmap (planned improvements)</h3><ul><li>计划把训练步数提升到 ~5000 steps，并扩充数据到 ~50k 量级（分阶段加入、控制重复与质量）。</li><li>当前主要瓶颈不是“算力”，而是 数据清洗与 caption 细节：<ul><li>丢弃明显错误/噪声 tag、冲突 tag、低质量 caption</li><li>处理重复图、低审美样本、以及某些导致风格漂移的样本</li><li>进一步优化 token 顺序/缺失信息（人物细节、服饰、背景、光照等）</li></ul></li></ul><h3 id="notes">Notes</h3><ul><li>这一版更适合当作 参考起点（训练配置、学习率、bucket 选择等），不是最终成品。</li><li>如果你对训练很熟：欢迎基于此继续延长 steps / 扩数据 / 做更严格清洗，你会看到明显提升。</li></ul>

KleinAnime Flux2-9B

Klein9B Full Finetune v1 — Anime Aesthetic (WIP)这是我基于 FLUX.2 Klein 9B 做的第一版全量微调尝试，目标是验证小规模高质量 danbooru-tag 数据对动漫插画风格的提升效果。 当前版本仍属于 baseline / work-in-progress：模型还没完全收敛，后续还有明显提升空间。<ul><li>这一版更适合当作 参考起点（训练配置、学习率、bucket 选择等），不是最终成品。</li><li>如果你对训练很熟：欢迎基于此继续延长 steps / 扩数据 / 做更严格清洗，你会看到明显提升。</li></ul>

Files with SHA256: ab85752f2aa4cf4f901ea1a1287e647a26c7c52bea0fe0925d03c683d7b67c9b