Delete README.md

README.md

@@ -1,91 +0,0 @@
-# 🎨 LoRA Image Trainer
-
-Uma ferramenta completa para criação e treinamento de LoRA (Low-Rank Adaptation) para modelos de geração de imagens, otimizada para baixo uso de GPU e compatível com dispositivos móveis.
-
-## ✨ Características Principais
-
-- **🔋 Otimizado para Baixa GPU**: Utiliza técnicas avançadas de otimização de memória
-- **📱 Interface Responsiva**: Funciona perfeitamente em smartphones e tablets
-- **⚡ Treinamento Eficiente**: Baseado nas bibliotecas Diffusers e PEFT do Hugging Face
-- **🎛️ Altamente Configurável**: Controle total sobre parâmetros de treinamento
-- **☁️ Deploy Fácil**: Pronto para implantação no Hugging Face Spaces
-- **🎨 Focado em Imagens**: Especificamente projetado para modelos de difusão
-
-## 🚀 Como Usar
-
-### 1. Preparação das Imagens
-- Colete 3-50 imagens de alta qualidade
-- Mantenha consistência no estilo/conceito
-- Resolução recomendada: 512x512 ou superior
-- Formatos suportados: JPG, PNG
-
-### 2. Configuração do Treinamento
-- Escolha um modelo base (recomendado: Stable Diffusion 1.5)
-- Defina uma trigger word única
-- Configure parâmetros LoRA (valores padrão funcionam bem)
-- Ajuste parâmetros de treinamento conforme necessário
-
-### 3. Monitoramento
-- Acompanhe o progresso em tempo real
-- Visualize logs detalhados do treinamento
-- Receba notificações de conclusão
-
-### 4. Download e Uso
-- Baixe o arquivo .safetensors do LoRA treinado
-- Use em ComfyUI, Automatic1111, SeaArt ou outras ferramentas
-- Aplique a trigger word nas suas gerações
-
-## 🛠️ Tecnologias Utilizadas
-
-- **Hugging Face Diffusers**: Pipeline de modelos de difusão
-- **PEFT**: Treinamento eficiente de parâmetros
-- **PyTorch**: Framework de deep learning
-- **Gradio**: Interface web interativa
-- **Accelerate**: Otimizações de treinamento
-
-## ⚙️ Parâmetros de Configuração
-
-### Parâmetros LoRA
-- **r (Rank)**: 4-128 (padrão: 16) - Controla a capacidade do modelo
-- **LoRA Alpha**: 1-128 (padrão: 32) - Fator de escala
-- **LoRA Dropout**: 0.0-0.5 (padrão: 0.1) - Regularização
-
-### Parâmetros de Treinamento
-- **Épocas**: 5-50 (padrão: 10) - Número de ciclos de treinamento
-- **Taxa de Aprendizado**: 1e-5 a 1e-3 (padrão: 1e-4)
-- **Batch Size**: 1-8 (padrão: 1) - Para GPUs com pouca VRAM
-- **Resolução**: 512/768/1024 (padrão: 512)
-
-## 🎯 Otimizações para Baixa GPU
-
-### Técnicas Implementadas
-- **Mixed Precision (FP16)**: Reduz uso de VRAM pela metade
-- **Gradient Checkpointing**: Troca tempo por memória
-- **Attention Slicing**: Processa attention em fatias menores
-- **Memory Efficient Attention**: Usa xformers quando disponível
-- **Gradient Accumulation**: Simula batches maiores
-
-### Requisitos Mínimos
-- **GPU**: 4GB VRAM (recomendado: 6GB+)
-- **RAM**: 8GB (recomendado: 16GB+)
-- **Armazenamento**: 10GB livres
-
-## 📱 Compatibilidade Móvel
-
-### Interface Responsiva
-- Layout adaptativo para telas pequenas
-- Botões otimizados para toque
-- Navegação simplificada em tablets/smartphones
-- Upload de imagens via câmera ou galeria
-
-### Processamento no Servidor
-- Todo treinamento ocorre no backend
-- Dispositivo móvel atua como cliente leve
-- Comunicação otimizada via APIs
-
-## 🔧 Instalação e Deploy
-
-### Deploy no Hugging Face Spaces
-
-1. **Criar um novo Space**:
-#