粉丝288获赞2294


大家好,我是艾莉。大家好,我是杰克。今天看到这篇的你赚到啦!我们来做 s d x l 的真人训练, 不知道大家尝试过 sdxl 的训练了没?这篇会总结一些很重要的概念,从各种 vivo 适合的训练设定、素材挑选,一路到最终模型选择,我们一次说完, 其中还包含了社群的测试心得,我们会讲的非常仔细,看完这篇,未来的训练上可以少走许多冤枉路,那直接开始吧, sdxl 动漫 看真人以我自己的经验来说, s d x l 在真人上的训练成果令人印象深刻,对题词的反应与表现跟过去有很大的差异。我们在 s d x l 上可以使用更像 midren 里的题词语法, 不需要打上一堆题词,但是在动漫表现上还需要社群的推动。为什么这么说呢?因为过去所有的动漫模型都是使用 dip damp 进行自动上标的,但是这个 dip damp 上标的十足, 其实是有名的 novel ai 外流模型,也就代表目前我们的 sd xl 并不是使用 dip demo 上标的,所以动漫模型这一块还需要有一个优秀的 dip demo 模型。 不过官方一直强调 s d x l 在训练上更为容易且轻松,这句话也不是没来由的,我们先从真人训练开 开始吧。挑选素材首先这次我们要训练真人,这次的对象是乔本还奈,先到 sdxl 上题词,写上一张乔本还奈的照片, 我们可以获得这样的结果。看来 s t x l 认为乔本华奈这个名字是日本人没错,但是更详细的就不知道了,那开始收集素材吧, 不知道大家目前怎么收集素材,我们目前的做法依然是以找到二十张左右的图片为原则,半身照大头照优先,全身照大概三到四张就好, 重点是不要年龄落差极大,就像是你不认识小学同学长大后的样子, ai 当然也很难理解不同年龄层的长相。至于 照片的尺寸,现在没有强硬的规范了,一比一,四比三,十六比九都可以,也不需要统一尺寸。选好素材之后要打上标签了。如何打上标签呢? 过去常见的说法是动漫用 dip damboo, 真人用 bullip, 如果你用过 bullip 上标签,就会知道内容常常乱写。 所以目前最好的做法是人工使用正确的自然语法打上标签。但因为时间成本极高, 所以我们还是使用 deep damp 的标签。不过要使用 tiger 这个扩充,因为他打上的 deep damp 标签准确度很高。安装方法很简单,到扩充的从网址安装,打上这一段网址,在下方说明之后按下安装,等待 出现成功讯息后,重新启动 web ui, 就可以看到 tiger 的标签了。目前使用 tiger 的模型上标精确度是最高的,模型选择的地方我是使用预设模型, 另外还有 nl 系列模型,可以标记出更多内容。下方 trash hold 就是临界值,我们直接放一张图来解释,按下 interrogate 等一下,右边就会出现模型判定的 take, 并且在旁边会有一个百分比越低的判断,错误率就越大,系统只会显示高于临界值的内容。一般来说, mote 模型高于零点二都还是准确的, 我通常维持预设。接着上方改为从目录输入,贴上你的素材资料夹路径,按下 interrogate, 就会自动上标记了,其余的 设置我都没有调整。接着我们来删除不必要的标签,标签要怎么有效率的检查跟删除呢?删除标签的工具非常的多,我们只介绍一个有在用的, 窄点一样在下方说明。点进去之后会看到版本列表,目前有分成两个版本,一个是离线版, 另一个是需要使用网络的版本,看自己的需求。我们都是使用连线版,这个工具非常方便。还有包含翻译功能,初次使用先到 setting 里面点选 translations, 把翻译的语言改成繁体中文,按下纯档之后会出现重新启动的讯息,重启后选择 file load flower, 选择你的素材资料夹, 按一下开启就会自动载入了。接着按一下 view translate text, 系统就会自动翻译 take 了。这边提醒一下,如果你的图片很多,那应该会出现类似宕机的反应,记得给系统一点时间。 接着我们看画面上的全部标签,这里的 take 只要一删除,就会把每一张图片上的 take 都移除。有哪些 take 必须移除?这里给大家一个概念,什么是必须移除的 take? 这次来说我想要认识乔本还奈,那哈西摩托卡纳就是我的触发池。注意哦,触发池是一个项链,只要通过哈西摩托卡纳就应该把乔本还奈的样貌绘制出来,不需要定义他的发色、眼珠、颜色、身材这些。所以我们要把乔本还奈被 pick 出来的 特色全部移除,什么黑眼珠这种拿掉,除非你希望未来这些部分是可以改变的,才需要存在别的文字项链中。你这次来说,除了头发长短之外,我都不想要改变。至于服装背景,当然要能改变, 所以我只保留了所有背景的提示。至于人物样貌上的提示,不想要改变的就删除。右边 otx, 选择你的提示词,按下插图案,这样就移除了,把所有不必要的标记都移除。接着,如果你有想要加入的题词, 可以使用右边的一次添加功能,加入到所有文档中。再来看中间的 image takes, 这是当下这张图片含有的 take, 一张一张,仔细看过后,把所有的 take 都处理好。注意哦,按下 file safe or changes 才能关闭哦, 不要忘记,要不然就白做了。我的触发提示词到底要叫什么呢?这个部分很重要,所以我们这次特别提出来说明。过去曾经有人提出一个想法,我们使用稀有提示词,例如 n, l, w, x 这样一个不会被文本编码器拆分的项链,同时这四个字又几乎没有意义,我们用它作为触发词。这样有一个好处, 因为 nlwx 这个词在英文中非常少见,代表文本编码器。对这个项链要重新定义好像比较容易,毕竟没有人用过,对吧? 其实这个想法并不正确,为什么会这样子说呢?例如,像是这些图片都是用 s, d, x, l 打上一张 n, l, w, x 的照片 做出来的,那如果我一样用 sdsl 打上一张哈西摩托,看哪的照片会变成什么?会出现这些照片有发现吗? 一个是一堆风景画,另一个是一个不像桥本还奈的日本女性模型,从哪里作为起点比较容易完成?我想答案应该很清楚, 从哈西摩托看,那到真正的桥本还奈应该比较容易训练成功。而且因为你的起点离答案比较近, 所以我们训练到过度拟核的可能性就下降了,因为不用走太多步。我该选择哪一个贝斯模型作为训练用的基底模型呢?我们用刚才的概念继续延伸,既然训练的起点离终点越近越容易成功,那答案应该很明显的, 选择与你目标越相近的模型,就能越容易训练出你想要的成果。例如 sd 一点五的真人模型都很会画美女图。但男性呢?我在上次的工作中需要训练一位一九六零年的名歌手文夏。 不管使用哪一个真人模型,训练出来的气质都很怪,想要相似就是过度礼盒。最后的方法是,我自以为挑了一个亚洲男性的模型,在以这个模型下去训练,使用这种方法训练出来的成功率高了非常多。 所以贝斯模型的选择只要记得一个重点,不要选离你目标太远的模型。这也是为什么动漫模型的训练总是比较容易成功的。主音准备训练资料夹终于可以训练了,我们先开启扣卡 doui 到 lora deprecated floater preparation, 这个功能可以帮你自动处理符合扣卡规范的训练资料假名称。不过作者似乎不打算再维护了,不确定未来能不能使用。如果不能使用了,我会打在下方说明栏, instance prompt 就是你的触发关键词,触发词会在训练的时候夹在每一张图片提示的最前面。这次我使用哈西摩托康纳 class prompt, 同类提示词这行是必填,我们先填上一个合理的 class prompt, 等一下再来讨论它。先填上 woman, 接着在 training images 放上训练图片的来源,资料夹路径。 repeat 是重复次数,这是扣卡特有的训练周期计算方式。预售四十的意思是每一张图片都看似 四十次,当做一个训练周期。如果总共有二十张图片的话,那已经走了八百步了。因为我们比较喜欢用训练周期作为保存模型的根据。通常人物训练,每张图片看过一百到一百五十次,应该就能得到很好的结果了。 我们会保存大概五个模型,用于最后的挑选,所以要看一百五十次的话,应该要设定为三十。下方 regularization images 是正则图像,这次我不打算使用。正则图像的讨论非常多,要再延伸,可能又是一篇长篇大论了。 这次只提一件事,如果你使用了 regularization images, 重复次数设定一,那上方训练图像的重复次数就等于一张图片要使用几张正则图像, 那这次不使用。我们跳过 destination training directory 是你要把资料夹放在哪里,自己开一个新的资料夹,把路径贴上来吧。接着我们回来讨论一下 class prompt。 既然我们没有加入正则图像,那 class prompt 有用处吗?事实上,如果不使用正则图像,同时没有对训练图集上字幕, class prompt 才会有效,他会引导模型去靠近 woman。 但是我们的训练图集是有上标记的, 所以 classcraft 在这次是没有用的,打了什么都一样。至于使用正则图集的状况,有机会再讨论。接着按下 prepare training data, 系统会自动把资料夹依照命名规则摆放好,再按下 copy info。 在 training folders 会看到关于路径的参数都填上去了。接着打上输入的模型名称,跟触发词一样会更好辨认。 training comment 可以加上一些注解,不一定要写,我们通常会写上模型的触发词。到这边训练资料家准备完毕, 设定训练参数到训练前的最后一步了。我们先选择 base 模型到 sosmado, 把模型选择改为 custon, 通过右边的选择功能选取你的模型。这是四 s d x l 的 base 模型, 因为是 s d x l, 所以下方 s d x l 码斗要打勾。如果是 s d 一点五模型就什么都不用选。截止到 parameters, 我们来调整设定参数,因为扣下提供了非常大量的可调参数。一开始可能会觉得非常辛苦, 还不会用的话,先从操作业开始吧。 sd xl 的 lower 模型变得非常巨大,对容量最友好的是 lokr, 但是我目前训练的成品最好的是 lowha。 这次分享一组目前使用的参数,注意哦,训练的参数是没有最佳方案的, 每个人分享的训练方法不一定适合自己,最后还是得要自己多方尝试。那我们开始说明二十四 g, 十二 g 八 g 不同利润的配置重点吧。不同利润的配置重点,我们目前只能确定八 g 是最低需求, 但是我们手边没有八 g 的设备。以下设定先提供参考,如果还是不行,用 colabe 训练比较好。当显卡只有八 gb run, 先从这几个设定下手。 lora 的形态选择标准 size 设定为一, cash latins 跟 cash latins to disc 都打勾,最高解析度设为五一二五一二 x d x l 里面的 cash tax incoder output 也打勾,进阶功能中的 gradient checkpoint 也打勾。 以上这些是八 g vivon 需要启用的所有选项。接着随着 vivon 的增加,可以提高一些设定 十二 gb 润状况好一点。根据我们频道的回馈得到了几个结论,模型可以改用 low 哈 b h size 提升到六, 解析度改为七六八七六八,其余的不变。如果你的 viri 很幸运的有到二十四 g, 那还可以再做一些修改。 fish size 可以提升到八,解析度变成符合配置的一零二四,一零二四,同时不需要使用 text equal the outputs。 以上这些就是各种 vivoren 可以执行的配置,当然还有其他尺寸的 vivoren 就自己尝试看看吧。 接着我们把剩下的参数补上。训练周期前面解释过,我们设定为五,这样每张图片都看过一百五十次,每一个周期都存一个模型,最后再透过 x y d 图选择最好的模型, 精度选择。这边过去一直搞不懂的 f p 十六跟 b f 十六,现在做一点解释。 简单的说, f p 十六的小数点位数比 b f 十六多,但是最大最小范围比 b f 十六窄,各有优缺点。不过使用者回馈是说 f p 十六的图像细致度较高,所以我们现在都使用 f p 十六。 另外说一声, d f 十六只有三零以上的显卡才能使用。接着我们有上标签,所以字幕这栏打上点 t x t。 学习率跟优化器,这次我们使用 prodigy, prodigy 也是一个无学习率的优化器, 所以学习率都使用一 scheduler 的部分,我们目前在 s d x l 上使用的是 constant, 另外使用 product 纸要记得不能使用预热。接着优化器的额外参数,这边 放上我们频道巨大推荐的一段参数,注意哦,这些参数额外设定不是必须的,但是目前回馈是这样,效果很好,包括我们也觉得不错,一样放在说明,最后还要再补上不训练文本编码器 的命令。 sdxl 的文本编码器有两个,目前扣卡还没有处理好,但是在开发版本中似乎已经处理好了,所以未来可以不添加,可以的时候我们一样写在下方说明栏哦。 接着在这边提一下, s d x l 需要使用到 no have v a 一,主要原因是因为模型中的 v a 一在 f p 十六下不稳定, 但其实你也可以把我之前分享的修复 vae 透过下图的方法先处理过,就不需要使用了,需要的自己暂停看看吧。 最后是模型尺寸啦,目前在 loha 上推荐的参数是这样,这组作者群提供的参数效果非常好,其实应该还要解释一些阿法的概念,但是这需要更多的数学概念,有兴趣的来群主讨 论吧。再来是进阶功能,里面内容很多,这在未来训练过几次之后再来找大家讨论比较好。我先提一个 noise office, 这个功能可以提高图片的对比度。 在 s d 一点五上,常见的数字大概是零点零五到零点一,但是 s d x l 是在零点零三五七上训练的。 这次我们也使用一样的数值,回到 basic 选单,把刚才忘记填写的种子补上。种子很重要哦,当你发现模型需要接续训练的时候,使用不同的种子可能会发生无法预期的结果。 再来点 configuration file saf, 打上名称后存档。要重新训练或者要围调参数的时候,只需要独挡就好,不需要再重头调整。最后按下训练就可以开始啦。以四零九零来说,这样的数据 大概要四十分钟。训练完成后就可以到模型资料夹领取你的模型啦。通过 x y z 图挑选模型,接下来是 x y z 图。 使用前稍微提醒一下,如果你的 vip ui 版本高于一点五以上,内键就能读取所有的 licoris 模型,那版本不到一点五的需要去安装扩充哦, 过程网址也在说明栏,需要的自己安装吧。目前总共训练了五个模型,要怎么判断哪个是我们要使用的模型呢?首先我们打上一些基本的测试题词,像画面这样, 我打上这些都是非常简单的题词,同时使用最早产生的 lora 权重设定为零点五。稍微说一声, s d x l 不太 需要反向提示词放上简单的做好。接着脚本打开 x y d 图这边先打好再解释概念。我的设定长这样,三个都是搜寻题词并替换 x 轴,是替换模型 第一次执行最早的模型,接着题词替换后就变成不同的模型啦。所以 x 轴是更换模型, y 轴是调整权重,立轴是用不同的姿势判断有无过你和最后设定好尺寸跟种子,按下直行 就能得到这张 x y z 图。再从 x y z 图去判断要使用哪个模型,权重多少是你需要的。你以为到这里就结束了吗?这里有一件超级重要 的事情,我们目前认为使用 x y z 图判断其实不够充分,模型需要有非常多方面的叠断,哪个模型构图最好,哪个模型最像,我们应该要进行更多方的测评。 所以利口瑞斯的作者群提出了新的想法,可以从更多角度去评分模型。但是这个新式的界面要更贴近使用者的需求, 所以需要社群的大家一起帮忙填问卷,内容是讨论哪一种方法更适合使用者需求。那我自己已经填写完毕了, 也为了这篇问卷做了有史以来最仔细的训练教学。轮到各位出一份力啦,说不定新的界面可以帮助你筛选出过去没有注意到的好模型哦!让我们一起壮大 sd 的社群吧!那就这样啦,问卷在下方,快去填吧,拜拜!

在二零一八年杭州云七大会上,阿里云展示了这样的一个场景现场物联网设备连接到大会空悬停的飞艇上的罗拉物联网。观后, 一个菜鸟无人小车载着包裹从地下二十米的仓库穿过会场,稳稳来到等候在那里的用户面前。当他拆开包裹的那一瞬间,主论坛数据大屏上立即显示包裹被打开。 也就是让罗拉实现从四万米高空到地下二十米的全覆盖。阿里云称之为达尔文计划,业内也叫空体或陆空计划。而雄安新区,一座交通人员安访等民生基础设施和阿里云互相联, 实体城市和数字虚拟城市同生共长,相互映射的未来之城正在建立。哈喽,大家好,我是小叶。本期为大家讲解关于罗拉的相关内容。 刚才视频片头讲的是罗拉未来的发展趋势,跟特斯拉的新练计划有些类似。下面为大家讲一下罗拉的主要优势跟应用市场。罗拉拥有四个主要特点一、自主 lulla 调制技术是一种扩屏调制技术,也称为 cheap 调制。该种调制技术是 sam 公司独有的 ip 优雅调制的特点是可以最大效率的提高灵敏度,以至于接近相容定理的极限。二、安全无线设备传输距离练录预算表示 练录预算总最重要参数是接收灵敏度。罗拉最高灵敏度可达负一百四十九点一 dbm, 而蓝牙这个 b 等无限技术灵敏度为负一百 dbm 左右。 罗拉灵敏度比他们好五十滴滴。换句话说,罗拉可以调节的信号强度是蓝牙这个 b 的十万分之一, 罗拉的超高灵敏度来自于调制本身,不依赖于宰带,也不依赖于从传,也不依赖于编码种鱼。 三、远距离罗拉具有低于噪声二十 dbm 依然可以通信的极限。看高老技术可以在噪声之下二十 dbm 正常调节信号, fsk 理论上需要在噪声之上八 db 才能保证调节。四、 低工号芯片硬件与应用协议具备低工号罗拉调制效率非常高的调制方式,工作电流非常低,其静态电流小于易微安,接收电流不到五毫安,发射功率为十七 dbm 时电流只有四十五毫安。 罗拉万协议是罗拉全球推广的标准协议,具有轻量级、智能化等优点。罗拉万节点与网关通信简单,开销少,网络服务器可以跟进信号质量,动态调整节点速率和发射功率,以达到省电目的。 最早是三 t 公司创建的低工号局域网无限标准。二零一八年宣布将其罗拉芯片半导体知识产权授权给阿里云。而罗拉万是 装有的低工号广誉王技术。最近国际电信联盟批准罗拉万成为国际通信标准,也让罗拉万成为 g、 b、 l、 e 这个 b、 wifi 等成为通信标准之一。目前主流的芯片厂商有 same catch、 s t a s r a s r 正是阿里巴巴投资的控股公司,与阿里云联合推出了 s r 六、五零零、 s a s r 六零一、六零二、 a s r 六零五、 六六零幺等型号。也是我们主要讲的产品,相关的产品信息介绍我们也放在了 p 二上,如果对这些产品有兴趣的朋友们可以关注我们,有什么疑问也欢迎在评论区留言,我们会第一时间给予解答。在领域 应用上,目前的安防设备烟杆、有害气体监测三表、无限极超水电燃气表、智能楼宇温湿度 空调灯等都是不错的市场方向。今天给大家分享的就这些,下期我们不见不散。