今天做 sd 八八托斯的遮盖,先把切元器准备好,试一下剪切效果, 边缘如丝般顺滑好,拿出已经上好不止的零件,检查表面瑕疵, 不知道怎么配色,就参考方面的配色,只要在头部, 这个大头是真的考验耐心, 脚再尖点 继续,其他零件的责任 全部做完。就是这些做的一个好天气,白板。
粉丝71获赞500

为什么别人练的模型精彩万分,你练的模型惨不忍睹?问题出在哪?我认为主要是对于基础模型的选择和下载安装还没有特别的熟练明白没关系,今天手把手教你成为一个出色的炼丹师。接下来说一说模型的分类。 s d 常用模型大致分为五种, 第一种我们称为大模型或者主模型,大模型可以单独使用,拓展模型必须搭配大模型使用。第二种也是我们最常用的,其实是除了官方模型之外的主模型,叫做 checkpoint, 你甚至可以简单理解,几乎所有模型都是基于官方模型作为底膜来进行训练得到的。第三种说它是模型,但其实外更像是个滤镜,在生成图片过程中搭配着主模型使用, 起到调色和微调的作用。第四种, embedding 模型,又叫 texture ingresher 模型,需要和主模型一起搭配使用。 embedding 可以简单理解为题词打包模型,它可以生成 指定角色的特征风格或者画风。最后就是最近最火的 low 模型了,他最大的特点就是几乎图像上的信息他都可以训练,并且还原度非常高。现在网络上流行的很多 ai 真人绘图基本都是用的这类模型, 甚至你可能会看到很多画出来的网红形象都很像,这是由于他们用的是同一款 laura。 推荐两个免费 stable defusion 模型下载网站, 第一个国内 ai 分享网站,上面有很多可以直接下载使用的 stable diffusion 模型,用过 c 站的朋友会发现他们的页面布局、使用方法都是很相似的,对于没有魔法的朋友,这是最好的选择。第二个就是 c 站上面模型十分的丰富,公认的 stable diffusion 模型网, 遗憾的一点就是它是国外的网站,国内不能直接访问。下期视频推荐几款我常用的模型,记得一键三连点点关注呦!

这是一个小姐姐,如何让她穿上圣斗士中的圣衣呢?通过 ai, 你可以将小姐姐的模型与圣衣的模型进行组合, 而掌握组合是学会 ai 绘图的关键钥匙。比如这张模特图片是有符合亚洲审美的人脸模型 加裙子模型加真实照片风格的底膜组合而成。再比如这张网红小姐姐,是由抖音网红模型加黑丝模型加真实照片风格的底膜组合而成。 所以 s d 绘图的一个最基本思路就是将你的需求进行拆分,对应到已有的模型进行组合。但要熟练的运用组合,你需要掌握模型的基础概念。今天我们就介绍最常用的底膜。 nora 底膜又称大模型, 是控制图片整体风格的模型。比如我要绘制一张二次元人物,可以选择二次元风格的底膜,而同样题日词,换一个真实风格的底膜,则会生成真实照片的风格。对于 sd 来说,底膜是必选项,也是我们出图首要考虑的因素。 底膜可以在 c 站下载,这里选择 check point 进行筛选,也可以通过图片左上角的标记来识别模型的类型。点击图片进入底膜,这里可以选择底膜的不同版本,然后点击右侧按钮进行下载,下载位置如下, 卸载完成后点击刷新,可以找到新下载的底膜。至于具体使用哪个底膜,主要在 c 站查看每个底膜的视力图片是否符合自己的需求。后面我会专门做一期视频,给大家推荐一些好用的底膜。而 lora 是微调模型,用于框定更 具体的图片特征,如某个品牌的汽车、某种人物姿势、某个款式的衣服,某个 ip 人物,某种画风等等。多个 lora 常常组合使用,如我要生成人造人,十八号的某个特定姿势则可以组合使用。姿势柔软和十八号柔软。 在 c 站中,通过左上角标签可以识别 lower 模型。 lower 需要下载到本地的这个目录,在 sd 中点击右侧的这个按钮,点击 lower 标签,可以看到本机已下载的所有 lower。 点击刷新可以显示最新下载的 lower。 i lora 的具体使用,则需要在提示词中加入两部分内容,一是 lora 的权重设置,二是该 lora 的触发词权重可以通过点击对应的 lora 进行添加修改这个 数值即可调整权重。我们可以参考 c 站中该 lower 模型的势力图片中权重的设置。而第二部分触发词 在 c 站 lora 的属性中可以找到,我们需要根据自己的需求选择一个或多个触发词,填写到你的提示词中即可触发 lora。 比如我们描述词为一个女孩,现在加入十八号 lora 设置权重, 加入触发词看下效果,这时再加入剪刀手词式的 lora 设置权重, 加入出发词再看一下效果。 ok。 本期内容较多,感谢观看,下一期会继续给大家讲解组合的使用,让大家吃透在约中如何运用组合。

大家好,今天我们来说一下秋叶大佬的训练劳尔模型的整合包工具 sd 春呐,他的这个整合包呢,跟我们之前讲的这个扣呀 ss gui 的这个训练训练参数呢?训练源码和模型 是一模一样的,只不过这是秋叶大佬进行了一下整合和优化,还有中文化,也就算是中文化的版本。那么我昨天试着用这个秋叶的这个版本呢,训练了一个模型,我是找了圣斗士的图片素材来训练一个模型, 训练好的模型呢,只有三十六兆,但是也可以用了。训练完成的模型是这个后面不带编号的这个模型,将这个模型呢复制到 stable diffusion 里面来,我们去使用这个 lower 模型,因为这个我们训练这个模型是 是二次元,是动漫的吗?所以说在 sleeper defusion 里面 check point 这个模型,你要选择一个二次元动漫的一个模型去给他生成。一开始呢,导入这个模型会发现我们生成的图片这种已经花掉了,模糊不清楚了,这是由于我们训练 过泥河的原因。过泥河的话,我们就把这个 lora 的这个权重呢,从一给它降到降低一点零点六到零点八,可以偏向于我们这个 lora, 但不至于过泥河。你设置为零点四到零点五的话,它是偏向于拆个 pose 模型,而仅仅加了一点这个 lora 的元素。 后面呢,我把这个权重给他降低,降到零点六以下,零点零点四到零点六,我们看一下结果, 那么这个输出结果呢,就能保持保持好我们这个画面的完整性,还能够加上圣斗士的这种铠甲元素, 就生成的模型质量上来说,秋叶大佬的这一款工具呢,和我们之前用 koya s s g u i 的这个工具去训练出来 模型,结果呢,其实是一模一样的,没有没有说谁好谁坏,只不过秋叶这个是更利于偏向于新手,而且不需要原码安装,直接解压缩就能用。那么他的这个安装包呢, 我已经上传到我的网盘里面了啊,也分享给大家,可以去下载了,大家可以去直接去找雀跃大佬的 这个下载地址,也是可以的。那么之前呢,我出过八戒以下现存宝马训练的安装与操作步骤这个详解,那么讲的就是我们这个 扣一 s s g u i 的这个训练教程。那么之后呢,又出了一个 local licurice loha 训练模型的这个方法都是八界显存以下的训练,所以说我们这个秋叶大佬的这个整合包呢,其实也是低显存可以训练的,也是八界以下的。他这个操作非常简单, 我来给大家就是讲一下他这个操作,我们下载好他这个压缩包之后解压缩,你用国内加速更新或者是强制更新都可以,这个看你有没有魔法了,如果你有魔法的话,你也可以用国内加速啊, 但是同时呢,你又能用这个强制更新点一下,这强制更新呢就开始更新一些库,更新完成之后, 我们点击这个启动脚本就可以直接一键启动了。一开始我们启动界面是来到这个界面训练通用模型,这一边你要设置一下通用模型呢,就是用来训练罗拉模型的基础模型, 它存放在 s d 杠 models 这个文言夹里面,你可以去你之前的 stable diffusion 的这些模型里面呢,去找到你的这个 v 一点五或者是 v 二点一的这些基础模型。 行,去给他复制到我们的这个文件夹里面,然后呢将这个模型基础模型的模型名字呢给他粘贴到这里面就可以了。那么下面这个数据及设置呢?也就是放在这个 trin 这个文件夹里面,我们来看一下,在这个 trin 文件夹里面, 这个你可以新建一个文件夹,我的比如说这是我自己创建的一个文件夹,然后里面放图片的数据集,名字呢也有讲究。嗯,在里面再创建一个文件夹,然后前面要打上一个数字,后面横杠,然后后面跟名字, 前面这个一百呢,什么意思呢?比如说我们这里面有十六张图片,那么前面这个一百就是将我们这个十六张图片呢,训练一百次就是一百,乘以十六就是一千六,那么一千六呢?再乘以我们这个训练相关参数,最大训练轮数十, 那么一千六再乘以十,也就是总共要训练一万六千步,训练一万六千步呢,大概需要四个小时,我是十二 g 的现存训练了四四个小时。那么来说一下这个正则化数据路径,这个是用来存放你的正则化。什么是正则化? 就是在之前的啊,训练 lora 的,训练 lora 分类图片的时候给大家讲过,这里面是放分类图片级的啊,如果大家不知道分类图片级是怎么来训练设置的,可以去看我前面的视频 lora 分类训练,那么下面呢是一个分辨率五幺二乘五幺二的,如果你现存 很低的话,设置成五幺二乘五幺二的,中等的话设置为七六八乘七六八的,高档的话你可以设置为幺幺零二四乘幺零二四。好,下面这个保存设置呢,这个我们要起我们的 logo 模型最终生成的文件, 这是输出目录,输出目录保持默认,你不要变啊,因为这个也不影响你。然后下面是这个每几轮保存一次,他是每二轮保持保存一次,那么输出的这些模型的结果呢?就是二四六八啊,每过二保存一次,但是呢总共他要保 我总共他保存五个模型,这个保存五个模型呢,也是你自己可以设置,你想保存十个就保存十个,想保存一百个就保存一百个。 好,下面这个相关参确认相关参数,这个十呢,一般我们也是保持默认不动,如果你这个设置设置为二十呢,一千六乘以二十,你就三万二了,三万两千步了,你就再加四个小时 pc 大小啊。如果你显卡非常好的话,也可以设置为二,显卡一般设置为一。学习率,这个默认保持不要动,因为他这个学习率呢啊,跟我们之前 在 step 第六任这个学习率显示的方式不一样哈,因为我们之前显示的方式都是零点几,都是数字,他这个啊不知道代表什么,大家可以去学习一下秋叶的这个参数的这个概念,这个保持默认不变啊,这些都是保持默认不变的,大家可以看他下面的这些中文解释吗? 这些中文解释一般都能看得懂啊,忘了给大家说那个数据级是怎么来训,数据级是怎么来产生的? 数据级是在这个 wd 一点四这个标签器里面,这个标签器里面我们把这个数据级目录呢,也就是我们这个 trend 这个文件夹里面这个目录 路径给他复制一下,给他复制到这里面。下面呢参数我们保持不变啊,我们直接点启动就能够生成这些数据及文档了啊,我们还回到新手,这里面这些可调的参数也是比较少 啊,我们就可以保存一下我们的这些参数,也可以读取我们刚才保存的参数,也可以删除进行管理。下面呢我们直接点击直接开始训练,就可以直接开始训练我们的模型了,如果你对参数比较了解的话,你可以选择专家模式、 自然模式,这里面可调的参数更多,更为细节一些。那么既然我们是用 ai 啊,当然是让他更简单更好,我们更希望呢是 用一键导入别人设置好的参数去进行训练,因为我们自己去设置参数参数的话,我们对概每个参数的概念并不清楚啊,也不知道生成的结果会怎样,那这里面呢还有一些参数讲解,大家如果想学的话,可以去学习一下这些参数讲解 好了,那么今天呢,关于这个秋叶版的这个低配版 lower 训练的整错包呢,就给大家分享到这里,如果大家觉得有用,那么请为我点击关注加三连,我们下期 ai 课程再见!

seven 结 few 上可以训练自己的稳定扩散模型,这是一种令人兴奋的机器学习模型,它能够根据文本描述生成惊人逼真的图像。您可以采用不同的方法来训练自己的模型, 其中包括使用额外的数据对现有模型进行微调,或使用一些像 double 这样的技术。微调是一种广泛使用的机器学习技术, 他通过让语线训练好的模型在特定数据集上继续训练来提高其性能。例如,您可以使用更多的图像数据来微调您的稳定扩散模型,以使其更倾向于生成与您的数据及类似的图像, 同时仍然保持其多功能性。另一种令人兴奋的技术是 during booth, 它可以帮助您将新的风格或主题引入您的稳定扩散模型。使用 during booth, 您可以使用至少三到 五张自定义图像来向模型教授新的概念和风格。这是一个非常有趣的方式,可以帮助您创建出与众不同的图像。下期揭晓具体怎么做,加个关注了。

如何快速的入门 sd, 最好的方法就是模仿别人的作品。首先我们先了解下 sd 的绘图原理,要生成一张 sd 图片,包含如下部分, 底膜决定了图片的基础风格,比如三 d 风格,或者真人写实风格,或者漫画风格等。二、懦弱,微调模型, 决定图片的细节风格,如控制衣服款式、脸型、画风等。三、正面提示词, 描述画面的具体内容。提示词包括人物、服饰、表情、动作、画面环境。写出一份比较好的提示词是纹身图技术的关键。四、反向提示词,画面中不要什么,如多余的肢体畸形、 毁容、坏手、坏脚等。五、参数配置,包括算法选择、图片分辨率等。对于新手而言,该选哪个模型?题词词怎么写,参数如何配置,这些在后面会一一讲到。 首先我们可以通过模仿别人的作品,把 sd 先用起来,感受 sd 的神奇之处,然后再一步步由浅入深的学习。这里我推荐一个资源网站, c 站, c 站是资源最丰富的网站,需要科学上网,它包含了各类 sd 模型的出图效果, 这里可以选择模型的类别。 checkpoint 是大模型,底膜 lore 是微调模型,这里是图片的分类,比如动物、衣服、交通工具等。先找到你需要的模型, 点击进去,点击这里下载模型,下载完成后, checkpoint 模型放置到这个目录下,落入模型,放置到这个目录下,点击刷新 就可以看到新的模型。如何绘制你的第一张 ai 图片呢?首先我们在 c 站上找到一个模型,比如大颗寿司,找到一个官方提供的图片,点进去下载你想生成的图片,在图片信息这里,把刚才下载的图片拖进去, 右边就会自动出现生成这张图片需要的各种参数,直接点击发送到文生图, 会把生成这种图片需要的提示词和参数复制到你的 sd, 在文生图这边就能看到已经填好相关参数,选择刚才下载好的模型,点击生成,可以看到完美的 复原的目标图片。接下来根据我们的需求进行一些修改,比如我要红色的头发,修改提示词,点击生成,生成的图片就变成了红色头发,是不是很神奇? 下一期我们将介绍一些常用插件的安装,方便我们日常的使用。

今天来讲一下 lora 训练该用什么底模型。先来看下什么是 lora 模型。 lora 模型在不修改 s d 模型的前提下,利用少量数据训练出一种画风 ip 人物, 实现定制化需求,所需的训练资源比训练 s d 模要小很多。 lora 采用了一个办法,仅训练低至矩阵 lorent matrix, 使用时将 lora 模型的参数注入 s d 模型,从而改变 s d 模型的生成风格,或者为 s d 模型添加新的人物。 ip lore 的使用必须配合 s d 模型一起使用。训练也是如此,必须要基于一个大模型来完成训练,所以选择一个合适的底模型至关重要。选择底模型有两点需要注意,第一就是尽量选择一些训练模型,常见的训练模型 有拿罗 ai、 stable diffusion 的 s d, 一点四、一点五、二点零,还有 s t t 等模型。拿罗 ai 它有两个版本,一个大小为四 g 版,一个大小为七 g。 顺便说一句,大家在下载模型的时候会看到 prone, emoly 之类的后缀, prone 是完整版, emoly 是减脂版, 简直版,比完整版通常小很多,方便下载。如果只是使用的话,两者差别不大,如果是想要自己练模型的话,需要下载完整版。 还有就是融合模型,融合模型就是把两个甚至多个模型融合的模型,像比较出名的 pastel mix, 橘子模型都是融合模型。融合模型缺点就是两个模型参数权重不一样,融合后参权混乱,单写 tag 还有跑图效果不错。训练 模型泛用性会差点,训练模型比合成模型泛用性更好,合成模型在细节相似度上可能表现更好,尤其是角色训练,我们训练角色 lord 都希望能够通过切换不同大模型来切改变风格, 在这种情况下,所以推荐 nowoai 模型, s d 模型,否则就是神秘的 a certainty 了。第二点就是底模型选择要和训练数据及风格相近的,这里推荐一个大佬,他测试了很多适合训练 laura 用的底模型, 大概总结分为这些类,有训练模型, anything orange 系列、真实系水彩 a c 家族。大家可以看这张图,横坐 标代表的是训练用的底模型,纵坐标代表这些底模型训练出来的 lora 模型,以及在不同的模型上出图的效果。 比如这个 counterfeit 模型,训练出的 laura 是这个只有在训练它的底模型上才能跑出不错的效果,它在别的模型上跑出的图差距还是很大的,这就说明这个模型的泛用性不好, 但在训练的底模型上跑图细节相似度上表现还是更好一些的。根据这个图可以总结出二次原动漫类,推荐使用 na 罗, ai a c b p emphason, 有更好的泛用性。 真人风格类可以使用 never ending dream basil mix, chilled regeneric vr chill out mix。 油画风格 laura 可以使用 racing pastel mix。 最后就是通用型的模型, nao, ai s d, 一点五等,它们比较庞杂,什么风格都有,属于中性模型,当然还是需要多尝试不同的底模型来达到最好的效果。

嗨,大家好,今天给大家介绍一下 sd xl laura 的一个模型的训练,这是我训练的一个京剧脸谱的一个啊, laura 给大家看一下是这个京剧,然后把这关掉,然后模型选,选择的是 sdxl 一点零的这个基础模型, 然后提示词,呃,一个骑着摩托的人,然后有一个这样的京剧的提示词,后边加了一个劳软,然后我们点击生成看一下 其他的参数,都是默认参数,呃,只是把这个画幅的比例调成了幺零二四,然后采样步数调了三十步,然后我们看一下下,看一下, 很快生成了一个霸王骑摩托的图片,因为我的训练素材只是呃上半身的,所以他上半身会比较 贴切一些,下半身就有点有点怪啊。这个,嗯,倒不是太大问题,就是如果你素材选的好的话,量足的话,这个还是比较好的。我给大家看一下我其他生成的图, 这,这些都是这个人的脸谱,这这这提示词是喝咖啡的,就是这些啊。那现在来给大家介绍一下怎么训练。 s d x l the laura, 呃,是,首先我们我们进入这个 hacking face, 找到这个,呃,可以啊, ss 这个,这个东西你找一个自己的方便的文档,然后我到 e 盘吧,因为我 f 盘已经安装过了,我可以直接考考过去。呃,我这样考过来, 你可以直接从这儿靠的下边的下载这个压缩包就可以,当然也可以通过 get color 命令复制复制,然后复制这条地址,然后那样 下载,不过我觉得直接从这下载压缩包就挺好,然后我会把这些压压缩包文件直接上传一个网盘给大家使用,然后我们已经解压,解压完,然后打开这个文档,打开以后我们然后找到下 下边的这个这个 set set up b a t 这个文档,然后双击运行, 双击启动以后他就啊进入这个窗口运行一段时间以后呢,我们就在这里边进行选择,首先是输入一 安装这个模块,然后再选择,我看啊是选输入二安装必要的这些要求的插件,然后他就开始啊下载安装了 这个插件呢,它是没有进度条的,所以,呃,所以需要等待一会一段时间, 这里就安装完了,然后他让你选择计算机环境什么呢?这些直接回车,接下来选择,这是在这个电脑运行,然后直接点回车, 然后第二个问题,选择五分步训练,直接点回车,然后选,呃问题是否只用 cpu 输入文章 回车,然后问问这,这也是选弄, 然后这个也是 no, 然后这个 是 all 回车,然后这个选择那个是,呃 运算方法,按上下键就可以选择,选择这个,如果你显卡 ok 的话,正常的话选择 b f 幺六,用上下键选择,然后点回车, 现在我们的选项就完了,然后我们直接选六退出就可以,现在就退出退出了,嗯,可以直接关掉这, 然后找到这个这个文档。呃, g o i b b a t 文件运行,这个文件双击运行, 运行运,运行以后呢会有一个呃网址,我们就是在这个网址里边做相关的设置,输入这个网址之后呢就开始一些参数的设置,首先是进入,我们点击这个这边的这个 laura, 然后 train, 然后下边的这个原模型这一块选择 custom 这一个板块,意思是直接在那个模型基础上进行进行训练,然后文件格式是 seven tenth tensers, 这个可是这个大家应该很常见了。然后这儿呢是选择一个基基础模型,也就是,呃, sd xl best 一点零这个模型,这样你的电脑里边应该已经装了,这个 是在也你的电脑里边应该已经装了。这个模型通常是放在我们的 stable diffusion 外部 ui the models the stable diffusion 的这个文件夹下, 找到以后点选,然后打开被练到,这就 ok。 呃,然后关于这个模型呢,是在哈根 face 上,我会把这个模型的下载地址以及这个模型这个下载这个文件夹,这个文件直接上传一个网盘给大家用。 回到啊模型训练界面,这选勾选好以后呢,这勾选这个 s, d, x, l model 选这块,那这个界面就设置完了,然后 接下来来到 noratos, 来到这个节,嗯,来到这个界面,呃,在这进行设置,首先是这个提提示关键词,然后我输入一个 picking, 然后这儿呢是一个类别的关键词,我输入了一个 picking。 一, 这是我们的那个素材的原素材图的一个文文档文件夹。呃,因为我们训练 s, s, d, x, l 嘛,所以这块儿我给大家看一下啊, 这个这个文档里边是我找的原,呃,一个十一张图片的一个原素材,就是各种规格的都有,我们训练 s, d, x, l 呢,需要幺零二四的图,所以我们需要把这些图裁切成 这个文档里边的这种规正的图,这个怎么裁切呢?就是之前我们用过一个网站,这个这个网站网站打你打开以后呢点选这, 然后就可以选择你的这个原文件,然后这样全选 全选,然后这样打开它就会上传,全部上传,上传以后在右侧设置你需要的一个像素大小,咱们是幺零二四,设置好以后呢,你还能因为有些是竖图吗?你还能选 框,选框,选一下你的这个需要的部分啊,这样框选一下,框选好以后, 点击这个保存为压缩文档就可以,这是这我们回到训练界面, 呃,这块就是我们的已经裁接好的幺零二四的原素材图,然后这是一个正则,正则图片,我们这块没有直接删掉。这,然后这是一个设设置,就是训练文文档文件夹,然后我们点选这 这个文件夹的意思是我们的训练的 laura 的所有的这种中间模型呀,素材图呀,就是整个项目的文件都在这里边, 我你可以随便建一个文件夹,这是我建的文件夹 s d x l lara picking 这个文档,然后点击点选,点选以后我们这边就可以了,然后我们就 就可以点击这个按钮,点选以后可以看到, 可以看到我们的这个后台界面,就是,呃,这一条的意思是已经把啊我们的那个原图拷拷贝到啊我们的这个项目文件夹下边,我们可以看一下 这是我们的这个文档,然后这个这个文件夹下边已经有了这些图, 而且这个文文档呢都是系统自自动建的,然后这个他是有一定命名规则的啊,这个十呢是指我们选的十步,然后这是我们的那个,嗯,关键词,然后这后边也是,所以这 这块的文件夹名字不要动啊,这是这回到训练界面,然后再点选这个,呃,考配信息到文档,点选以后,我们可以看一下,回到这个文档,然后看这个 分栏,下下拉的就会把我们的这个文档的信息,文件夹的信息都全部拷拷贝到这边。 这是啊,这这一部分的内容相当于我们对整个项目进行了一个管理,那接下来就是对参数的设置,到第三个了, 到第三个画下下拉栏里边啊,这个栏里边这这块都不用动,然后这这是一个训练。 呃,步数大小,这是四十一就行,一到二,然后越小他的精度越高,当然也对你的系统要求也就越高。这是一个,嗯, 一个轮数轮数,我们这可以选择十轮。啊,那我们刚才选了十步,这又是十轮,那我们十一张图就是一千一百 一,一千一百步啊,这不需要选,这个是保保存的频次,也就是这是我选的一是每一轮都要保存一次,那十轮就是保存会保存十个。 呃,训练的 lord 模型,嗯,然后下边的这些,这,这是我们勾选的 这个,这个啊叫什么? 勾选这个 bf 十六,就是这个,是这种计算方法吧。啊,然后这选择二,这不用管,然后勾选这个栏和这个栏都需要勾选一下,然后这是这是一个学习率,和 这的这个参数有关系,我们是我们选择这个,我们选择这个的话,这的一个参数要改成零点零零零四, 下边还有一些,呃,这个学习率的参数,把他们都调成一样的数值,这三学习率有三个数值,然后我们接着继续往下调 啊,这是没关系的,这是有一个啊,额外的这种要求参数可以加,也可以不加,然后我这准给大家准备了一下啊, 油画器额外参数,我们把复制一下,复制然后粘贴到这个位置, 然后处理的像素大小,这很关键,我们要调成我们需要的幺零二四,幺零二四, 调整好这以后,然后还有哪这需要勾选,这是默认的, 然后这需要 调成零,这儿呢需要调成这个 content content, 我这有有一个表,可以参照这个表来调,别漏掉。 继续往下看,然后学习率这个需要勾选上,这个呢?哈弗 v, 然后下边的,呃,这个参数需要调成六十四,呃,这个也是直接影响我们训练出模型的一个大小,这上面就调完了,调完了,然后 把这个高级设置这点开,点开,这里边需要勾选一个,嗯,把这个 扭勾选,勾选,那就可以,那我们的这些参数就就可以了,然后点击,点击这里边开始训练, 然后我们来到后台看一下,可以看到我们刚才所有设置的那些参数,在这都会有一个访显示, 可以看到现在已经开始训练了,这是,呃,第第一个,我们总共十一个图片,然后他一个一个来, 那我这就不给大家继续看下去了。呃,大概需要一个小时啊,我是一个三零六 六零的显卡,然后十一张图片,十步啊,十个循环,总共一千一一百步吧,我三零六零的显卡是差不多一个小时,我之前训练的这个时间, 然后我们给的我给大家看一下,就是训练出来他是一个什么样的文档,哦,是上次我是训练出这样,他会有一个,这是原图的一个 文档,就是我们原素材的文档,这是十个文档,然后这些是一些中间文件啊,这个不需要我们管。然后训练出来呢,是在这个 model, 然后这十个十个文档,一二三四四五六七八九这九个文档是一个中间文档,因为我们设置了每一每 每一个循环就会生成一个啊模型这种文件,然后然后这个是最终最终的一个文档复制到 的外 u i models 下边的 laura 复制到这儿,这也是我上的这个训练的模型, 京剧这个模型,这就是我训练的模型,复制到这就可以使用了,就是我片头的,嗯,我片头用到的这个 lower 就可以生成这样的一些图。感谢大家观看,如果我的内容对你有帮助,欢迎订阅、点赞评论,谢谢大。

你知道吗?你现在看到的这些图都是我通过训练 lower 模型自动生成的。可能你会觉得训练 lower 很复杂, 其实只需要四个步骤就可以完成属于自己的 lower 模型了。先关注收藏,防止下次找不到我了。首先你需要有一个拍葬环境,你可以输入这个地址去下载拍葬三十以上的版本。安装的时候记住一定要勾选这里, 然后命令行中输入 python 杠杠 version, 出现版本号代表你安装成功。打开 powershell, 输入 set execution policy execution policy remote sign, 选择 yes。 接下来运行 laura 训练安装包中的 install c n p s e 此时 会安装一些依赖包,我们耐心等待,安装完成即可。创建两个目录来保存图片素材和处理后的图片。第二步,素材的获取。你可以自己准备素材,我为了方便自己写了一个拍葬爬虫脚本, 素材获取完毕后记得一定要把不合格的图片删除掉,这一步非常的重要。第三步, sd 中图片的预处理和 lower 训练的准备工作。指定路径和配置向后开始预处理工作。 这一步就是对每一张图片打 tag 标签,为了保险起见,可以对图片跟标签进行二次检查。将底膜放到 laura 训练的 sd models 目录下,并命名为 model safe tensors。 进入 train 目录,创建 laura 模型目录名称,这个名称前面应要跟数字表示图片的训练次数。 双击 a, 启动脚本 bat, 启动 laura 训练的 web 界面。点击新手,把刚才改过的底膜名字进行覆盖。路径选择刚才自己创建的 trim 目录下的目录名称 尺寸按照预处理时的尺寸进行设置, 自动保存轮数设置十六到二十期间的数值, 最大训练数选择十五到二十之间的数值。我们还需要将预处理后的图片和提示词复制到春影下带数字的目录中,然后点击直接开始训练。这个过程相当的漫长,根据你图片的 数量和训练轮数来决定训练的时长。经过几个小时的训练,终于结束了。将 output 目录训练好的模型放到 s d 的 stable diffusion 目录中, 最后一步,重启 sd 的 vab 目录,然后就可以选择你自己的 lower 快乐的生图了。怎么样,学会了吗?学会了就赶紧去试一试吧! 视频制作不易,喜欢的小伙伴就关注一下我吧!

哈喽大家好,我是薯片 ai, 就在九月五日 ctrl net 迎来了幺点幺点四版本的更新,此次更新加入了一些新的控制类型。本期视频我们就一起来对这些新控制类型进行一一测评,看看这些类型都能干什么 和有哪些有趣的玩法。由于模型较多,时间有限,本视频先介绍 s d 一点五的控制类型, s d x l 的放在下一期介绍此次基于底膜 s d 一点五的 control net 模型新增的有,一、 recolor 重上色。 二、 ip adapter。 一、 recolor 重上色该模型顾名思义就是对图片进行重新上色。该模型的玩法可以分成两种,一、黑白照片上色。二、指定元素换色。在使用该模型之前, 我们还需要单独下载 recolor 的模型,这个模型在更新时的自动下载中是没有的。我们先来看看黑白照片上色怎么玩。首先我们找一张黑白的图片,然后稍微描述下关键词, 当然你不描述也可以。 control net 把这张黑白照片上传,勾选启用和完美像素模式,然后选择 recolor, 可以选择图片强度或者图片亮度进行去色。我们一般默认用 luminance 就可以了,其他参数默认即可。然后我们生成就会看到原本的黑白照片进行了上色,这样就对于我们修复一些老照片来说非常方便。 另一个玩法是指定元素换色,如换头发颜色,换衣服颜色。这个有点像我们之前用的 in painting anything, 而这个模 行省略掉了分割的步骤。选择 recolor 后,预处理器分为 intensity 和 luminance, intensity 会更加黑白,不过我们默认 luminance 就可以了。然后我们就可以换成粉色头发、蓝色头发等对图片元素进行换色。二、 ip adapter ip adapter 是腾讯 ai 实验室在八月十三日开园的一个模型。我们在用 ai 绘图的时候, 提示词是一个非常重要的角色,它关系到我们生成图片的内容。但是俗话说意图胜千言。这个模型的目的就是让我们用上传图片替代提示词来影响我们出图的内容。 玩法就是可以配合我们原本的 prompt 和其他的 control net 把一张图片的整体风格迁移到另一张图片上, 我这里演示,就去网上找了些提示词写上这里部署二十,选择最新出的 restart, 开高清修复。因为要绘制人脸,所以开下 attale。 第一个 control。 net 我们上传一张想要的图片风格,启用加完美像素模式,然后选择 ip adapter, 下面参数默认即可。接着第二个 control。 net 我们上传一张图,然后选择 depth, 其他参数默认即可。为了凸显树的形状,我把权重拉到一点二。最后我们生成图片会发现我们第一张图水下的效果 已经迁移到了第二张图的树形状。这就是这个模型最大的用处。我是薯片 ai, 关注我,分享更多 ai 内容!

我们这个视频呢,来说一下模型训练中的训练步数是什么啊?训练步数呢,其实就他如他的字母意思他就是训练中我们需要有多少步数。 但是呢,其实这个问题为什么会提出来呢?是因为最近在社群内比较多提问的是如何判断我们模型最佳的训练步数 好,那么其实对于不同的图集呢,训练步数的最佳值都会有所不同。 嗯,我个人的话,其实是通常以多次缩减范围来确定最佳部署的,比如说我们第一次训练总共一万步,那么我们每一千步保持一次训练结果中呢,我们会 发现七千至八千步的效果呢?相对来说好。那么再次训练时候呢,我们在七千到八千中进行保存模型,这时候呢,我们可以每一百次保存一次,确定一下我们这个最佳范围, 以此类推,直到我们的效果满意为止。这也是我们其实在推断模型最佳部署呃,最直观的一个方法。 当我们的训练模型的数量可能达到二十或者三十次的时候,大多数人其实是可以总结出来,呃,训练这个模型步最佳步数的一个规律的,这来说会有一个相对的感觉在哪里 好,那么这就是我们说的模型训练中训练步数是什么?以及如何判断模型最佳的训练步数。 呃,相同的这个视频饮食,如果您发现我们的呃视频中有错误内容,欢迎您随时提出来。呃,还有就是对我们的视频有任何的问题以及建议,可以以 邮件的形式发送到我们官方的邮箱,我们将在最短的时间内为您进行回复。好的,那么这个视频就到这里了,我们下个视频见。

你的 stable difference 模型库里面的各种模型和 lower 或许很快就得全部删掉了,因为他们都是基于 st 一点五或者是二点零版本的底膜来开发的。现在 stable difference 已经开始全面进入了 st xl 的高分辨率时代。 最新的 stable division web ur 一点六版本的更新,直接把 sd xl refiner 放置在首页 control 呢。最新的一点一四版本也全面加入了 sd xl 的支持。在西站里,海量的基于 sd xl 训练的大模型和 roi 纷纷推出市场。 如果你也想产出更高精度、更多细节的画面,那么我非常推荐大家升级,过渡到最新的版本。嗨,大家好,我是李晨,欢迎来到 c 军迷。为什么现在 stable tiffson 开始全面普及到 s d x l 呢?首先, s d x l 是目前为止学习参数最多的 模型,参数总量超过一百亿次。这也意味着通过 s d x l 可以生成各种各样的画面,不再仅仅局限于人物,它是一款可以对标咪尊里的通用型大模型。 其实 sdxl 的分辨率精度是过往底膜的四倍,直接来到了一零二四乘一零二四级别,你可别小看这个分辨率,我们看到的超高精度的图片都是在基础底膜的基础上高清重绘出来的, 所以基础底图本身所具备的细节是高清重绘的关键。 sd xl 有着更高精度的底子,也意味着他重绘扩展出来的质感和细节也会成倍的增加。 s d x l 还多出了一个 refiner 采样重构器,相当于多做了一次加照和去照的过程,能够进一步的给画面增加细节。启用 refiner 后,可以看到人物脸 部轮廓、边缘、局部的细节都有明显的加强,而且渲染时间只增加了一点点而已。另外, scxl 对关键词的理解程度有了大幅度的提升, 换句话来说就是更听得懂人话。他不用像以前那样输入一大段一大段的高精度前缀词,你可以把重心放在主体的描述上。他的核心思想和没准你一样,就是希望你输入更少的关键词,并准确的呈现出你想要的画面。 例如输入艺术,女孩戴着耳机在火车上,红色类似生锈的座椅、垃圾和破碎的瓶子在地上用 sdxl 模型来生成一下画面除了破碎的瓶子没有表现出来, 基本能够准确地呈现百分之八十以上的提示词内容。换成 sd v 一点五模型,同样的提示词生成出来的画面却是这样的。 当然 sdxl 也不是没有缺点的,他目前与老版本的 lower 是不兼容的,必须和 sdxl 训练的 lower 来搭配使用。另外, sdxl 模型对显卡的要求更高了,必须配备八 gb 以上的显存显卡才会有较好的体验。 由于 sd xl 模型的学习参数和精度更高了,以至于现在 sd xl 的各种大模型容量也是六 gb 七 gb 起步,硬盘负担又进一步增加了。不过这些都改变不了 sd xl 成为主流的趋势。接下来就给大家讲一下如何升级 stable devision repui 一点六版本。 使用秋叶启动器的同学升级非常简单,点击版本管理,在最上方看到最新的一点六零版本,点击切换确认安装最新的这个版本号,点击右上角一键更新,这样就更新完 完毕了,同时还需要更新一下相关的插件,点击扩展标签,同样的一键更新, ok, 这时候可以启动 stabledifishui 了。刚更新完的第一次启动需要加载一系列的依赖,会稍微慢一点,耐心等待,不要退出 浏览器,跳转到 web ui 界面,在首页就看到 vina 的这个功能,拉到最下面,可以看到当前已经更新到最新的 v 点六零版本了, 其他安装包或者是手动安装的同学最好最好是先复制一份备份,保存好再更新。更新的方法也很简单,进入 stable diffusion rap ui 文件夹,在导航栏上面输入 cmd, 确保这个路径是你 stable dv 选 rap ui 的路径,然后输入 gipo, 很快就安装好了。这时候下拉,打开 rap ui, 点 b a t, 稍微等待一下依赖的加载, 这时候看到 stab 的顺 rapyy, 一点六版本就更新好了。 max 用户更新稍微麻烦一些,最好先把要更新的文件夹先备份一份,不要有中文的名称。右键进入终端,或者在文件夹路径,右键在终端中打开, 看到这个路径和要升级的 stable decision web ui 文件夹一致,就没有问题了。输入 gippo, 很快就更新好了,然后输入这段命令,更新新版本需要的新增的依赖。 更新完毕后,同样的方式,用终端打开这个文件夹,然后输入启动命令,看到这个熟悉的地址,在浏览器打开就可以看到 stay body 选 rap ui 一点六版本更新好了, 最后给大家推荐几款不错的 sdxl 模型,首先是这款 cantify xl, 它能够生成细节度相当不错的二次元卡通效果。然后是这款 dxl leg 特别版,它是一个通用性相当好的模型,基本所有平面二点五 d 的动漫风格都能够胜任,容量也很大,六点四个 gb。 最后推荐一款国风真实系模型,它是一个集服装、道具、化妆都经过特别化的国风模型,可以搭配汉服 sdxl 版的 lower 一起使用。另外最新版的 ctrl 一点一四版本更新了非常多的 sdxl 模型,可以看到一共是二十七个 gb, 这些模型我都会提供给大家,这样大家就不需要模仿网络下载了。同时 sdxl 官方模型和 vfan 模型还有刚刚给大家推荐的三款 sdxl 模型也会一起给到大家,大家在评论区自取就可以了, 也可以回复模型,我会一一私信给大家。好了,本期教程到这里就结束了,如果觉得教程还不错的话,请 不要吝啬你们的小爱心,麻烦点赞收藏一下了,感谢大家的三连,那我们下期再见,拜拜!

我们看一下云端 fdsl 的训练啊,首先进入这个青椒云,然后你可以注册一个啊,这是有免费的试用, 然后呢你注册完了就登录,登录之后实际上就是用你电话登录啊,然后呢这个地方是你的优惠券,就是新手会有两块钱的优惠券,可以试一下。 然后呢这个地方是你的个人资料,订单的管理啊,消费的明细啊,都会在这显示啊,还有这些优惠券就是会显示在这啊,这是桌面管控,还有登录日志,就是你做了是什么样的,就是活动,这他有些记录啊,在右上角这块有个客户端下载, 那么这个时候呢,就是一个云端桌面,根据你自己的操作系统啊,选择一个,我是 windows 就下一个 windows 啊,然后打开安装就行了,下载完了以后安装点一下立即安装,那么这个是 实际上就相当于一个终端啊,直接和你这个云端那个虚拟服务器连接在一起啊,完了以后登录进来以后,这个地方是服务器选择啊,你可以根据你自己的地域选择啊,这是选了一个华南寺,然后呢这个地方点新增云桌面, 那么这个时候呢,会里边有些产品啊,有些标准产品啊,还有些定制产品啊,大家可以尝试一下啊,这是 aigc 尝鲜,然后这是这些入门级图形工作站啊,这些东西根据自己的需求来选择, 然后呢,你看他也有便宜的 aigc 的长线六 g 啊,你可以选择一个,然后点,然后点开机就行了。选好开机,然后呢,他这个地方需大概需要一到两分钟等待啊,然后等待完了以后,进来以后就是这个样子,这是云端,就是相当于远端的虚拟主机。然后呢 这个时候呢他这有一个 starbody fusion, 还有他这个说明啊,你可以看一下,然后呢下面的这个就是就是这个烤鸭的就是模型训练器啊, 那么这个呢?呃,他有个问题,是什么呢?他这个版本啊,默认的这个版本啊,云端这个版本不支持 sdxl 的这个训练,那么这个时候怎么弄啊?我们就可以上传自己的就是脚本 好了,你打开这个青椒云的这个云盘啊,把这个我们要上传的这个就是脚本文件啊,上传进来,他这个你要等一下啊,他这个等他上传完,上传完了他就这样,然后你再把你的底膜就是我们的那个基础模型,那个贝斯模型 就是我们的大模型啊, s d i x、 l b 四一点零的这个模型也上传进来,方法都是一样的啊,上传完了 以后我们就是需要这两个,一个是你的,呃,当然就是说你的这个脚本里边啊,也要同时把你的这个包,也就是你的那个训练素材啊, 哎,就给他上传上去啊,一起啊,我是把那个打包了一起上传了啊,然后呢打到这个进入桌面啊,回到这个我们那个云端桌面进来以后,然后呢这个桌面上有一个青椒云盘, 然后呢就是添加成功, ok, 然后你双击他就行了。然后呢这个这个呢就是我们上传的这个训练脚本,训练脚本还有我们的那个都可以把它放到我们的就是云端的这个 c 盘, 把它放到这个云端 c 盘,然后呢确定这个是防病毒的啊,然后确定确定完了以后啊,都把它放进去,还有包括你的那个训练机 都放,都把它加载进来。然后呢解压缩,我的这个训练集啊,是跟你这个脚是这个脚本的这个放在一起的,然后呢这个地方实际上有个说明,大家可以看一眼。 然后呢这个脚,这个,这个 easy 吹吹的这个脚本啊,先要 update, 点这个 update, 点 bat, 就他就是要先就是安装一些就是必备的依赖之类的东西啊,他当然这是一键运行的啊,然后呢这个东西等他安装完就行了 啊,请按任意键继续随便点一下就 ok 了,然后呢再运行 r u n 点 b, a, t, 双击它好,打开界面,先选 s, d, x l bass 啊,选择它。然后呢再选择我们的这个大模型,就是 基础模型,然后再把这个宽度改成幺零二四,高度也是幺零二四, 这两个选好。然后呢下一个呢就是优化器的这个参数选择啊,选择我们的优化器类型,把它改成这个神童优化器, p 打头的这个。 然后呢下面这些可以不用管啊,如果我们作为一个简单的训练的话,这个保存参数需要选,就是说我们保存到哪就训练完了,那模型啊,这个老老卡模型放在哪?然后你自己定义啊, 然后输出的名字是什么?这个时候你看我们就是叫芭比啊,这是我训练了一个芭比的一个 sdxl 的模型。好,然后呢这个呢就是数据集参数右上角的这个啊,然后呢把这个参数啊就是你的训练集选择,选择好了以后, 然后呢其他的这些东西啊,就是没有什么好选择的啊,点一下开始训练训练的步数,我就选择了一就就是就是训练一轮啊,就是一步, 然后呢应应该是十到二十,我为了让他快啊,对吧?这不你看这 step 就是百分之百了,这就是训练一,训练了一轮呢,然后呢这样的话我为了快啊,你看就得到一个结果,那么这样的话就是我们就可以把它下载到我们的本地盘, 然后呢首先还是把它拖到这个青椒云盘上,拖到青,他是通过这个青椒云啊青椒云盘,然后呢去上传,下载好,然后回到我们本地桌面,然后呢就打开这个青椒云盘,注意啊,这这个是我们本地的界面,然后呢就是把这个下载 点下来,点一下啊,勾选他下载下载这传输列表,然后呢等他传输完了以后,下载完了以后就在这啊打开这个,打开文件夹,那么这个是本地文件,就是我们放在我们的本地电脑 里边的这个盘里边了。好,我们回到云端,然后呢我们把这个云端服务器里边的这个青椒云盘啊,都给他清空了啊,就这些都不要了啊,我们就训练完了,训练完了以后啊,就把这些该删除的删除, 对吧?然后再回到我们的这个青椒云云桌面,然后呢回到我们的这个云桌面这个位置啊,他这个地方有一个关机,然后我们 要及时关机啊,要不然他后台运转的话,你没关啊,他继续还是要扣钱的,对吧?所以的话我们啊就是让他关机,关机成功,等关机成功就行了,然后你就可以把它关掉了, 关掉这个云桌面啊,就是中断了和远端的联系,就退出客户端就 ok 了,那么这个时候就回到你自己本地的电脑 好了,然后呢你打开 starbody fusion, 然后呢看一下你训练的模型怎么样啊?这个呢,就是我们刚才训练的那个 logo。 呃,然后呢给他关键字啊,正反关键字,这个宽度啊,七六八乘幺零二四,让他小一点啊, 是个竖构图。好,你看这是我们的训练结果啊,你看多多试两次啊,你要是说满意了的话啊,你就把它留下啊,要不满意的话就接着训练啊。就是啊,其实很简单。

ok, 接下来给大家介绍一下 stability fusion 的整体界面布局。首先我们看一下界面的左上角就是模型的选择,这个模型我们可以自己去训练,当然大部分我们会去网上下载别人已经训练好的模型。 后面我们会单独用一节课给大家详细介绍去哪里下载模型以及如何安装使用模型。这里打开可以看到里面有很多的内容,这些都是我们预先装好的模型,它右边有一栏叫做模型的 vae, 这个 vae 呢,大家可以暂且把它理解为一个滤镜,因为有些图片加了 vae 模型,图片画质就会变得清晰一些。下面有一排功能选项。第一个叫做纹身图,顾名思义就是我们通过关键词、描述语等文字内容去生成图片,这个关键词描述语呢,我们 我们也可以把它叫做 prompt。 第二个图声图,图声图呢,就是我们可以添加参考图,再根据描述语基于这张图片去生成新的图片。第三个呢是附加功能, 在这里我们可以对图片进行单张处理,也可以进行多张处理,把图片放大,让你的图片变得更大,更清晰等等一些功能。 图片信息,这里是我们可以把一张 sd 做的图拖到这个区域里,或者点击上传,你就可以识别这张图的详细信息。前提是这张图没有被处理过。比如说我们从 c 站里找到一张图片,随便找一张图片,然后点开把这张图片拖拽到这里, 右边就会显示这张图片的所有信息了,比如说用到了什么关键词,使用了哪些模型等等。下面这里边是填写 提示词的地方,这里面有正向提示词和反向提示词,正向提示词就是我们希望这个画面里想要出现的内容,我们希望画面里出现什么内容,我们就可以在这里边填写什么内容。这里面的提示词我们可以把它叫做 tag 或者叫做标签都可以。 反向提示词或者反向描述语一般是指这个画面里我们不想出现的内容,比如说画面模糊,或者有时候画人物的时候手部会出现一些错误。 写描术语就是一个英文单词或者句子加一个英文的逗号,后面用一个空格隔开,再接下一个提示词。 那现在同学们看到我这里提示词里面包含了很多括号,这部分我们先不用管,我们会放在后面的课程里给大家讲解。然后看一下我们右边的几个操作按钮。第一个是主按钮生成,点击 这个就可以生成图片了,它下面还有一排小按钮,分别是什么呢?第一个按钮的作用是读取上一张图片的信息,比如说我们之前生成了一张图片,然后把 sd 关掉, 再打开之后,我们想调取上一张图片的关键词和参数,就可以直接点击一下这个按钮,就会自动把描述语还有参数给填充进来。 第二个垃圾桶,这个就是把当前的描述语给清空。那么第三个呢?是一个红色的小书一样的按钮,这个按钮点击一下,同样也可以打开一个选择模型的一个模块, 这里也可以选取模型,那这个和左上角的选择模型有什么区别呢?这下面的模型选取展示的内容会更加详细一些,而且每个模型可以配预览图,这样就会更加直观, 也就是说我们可以通过图片去判断这个模型是什么视觉风格的,这样选择会更加方便一些。具体的模型怎么使用以及怎么安装,我们后面会有单独的课程讲解。

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!

当你用 stable diffusion 训练了你的图以后。

哈喽,大家好,我是 ai 小王子,欢迎来到我 stable diffusion 教学的第二期,今天给大家详细的讲解纹身图的原理和 stable diffusion 的掌控方法。如果你还没有安装部署 stable diffusion, 可以看一下我的第一课。在正式进入今天课题之前,我 想先告诉大家,只要你把 stable defusion 基本原理搞懂,搞清晰,搞明白,你就会发现 stable defusion 真的是非常的简单, 所以不要害怕,跟着我的教程来,你一定能听懂。本期视频我会说一些简写啊,比如说 stable diffusion, 我会简称它为 s d, 然后 tag 就是我们常用的 prompt 关键词 t a, g。 当我们打开 s, d, y, b, u, i 的时候,就会看到这个界面最左上角的这个 stable diffusion 模型,简称 checkpoint, 就是我们所说的大模型。大模型是干嘛的? 如果把 s d 比作为一个人的话, check point 大模型就是 s d 的心脏,就是 s d 的灵魂,没有 check point 你什么 都做不了。它的作用是什么呢?主要是来定义出图的一个风格,一般文件的大小是非常大的,在两 gb 到十 gb 不等,也有可能更大的,它是汇集了成百上千甚至上万的图片的一个总和合成的一个大模型, 一般是以 safe tensors 或者是 c, k, p, t 结尾,见到这两个结尾一般都是大模型,当然有的时候 laura 也会用到 safe tensors。 我们比较常见的是哪几个呢?就是 chilomix, anything 威武,这三个有什么区别呢?我们看一个图片,其实就明白大模型是干嘛的。 ok, 我们看一下这张图啊, 首先我们不不用管左边的 va e 这些啊,这个一会我会给你讲这三个。第一个是 anything v 五 checkpoint 大模型做出来的图片,我们看三个有很明显的区别。第一,竖列就是动漫风格,因为 anythingv 五他是专门产生动漫的一个大模型。第二,竖行 v 一杠五,他的风格就是国外一些真人写实风格。第三个 chill out mix, chill out mix 这个做亚洲脸其实是非常好看的啊,这就是这三个的区别。当然还有更多大模型,我就不全部给大家介绍了,我就先介绍这三个。那么 checkpoint 这个东西是安装到哪里呢?在我们的 s, d, y, b y, 然后 models cbd fusion, 把所有拆库的大模型都安装到这里,我们可以看这边啊,都是很大的,两 g 起到七 g 不等。下一个我们看一下模型 vae, 大家有可能比较模糊,这是干嘛的? 它的全称叫做 variational auto incoder 变分字编码器,它的作用其实就是增加一些图片的色彩和滤镜,还有一些细节调整, 主要是可以降低画面的一个灰度。我们常用的 v a e 模型就是八四零零零零,一般默认选这个或者不选择都 ok, 这个看自己的想法。然后我们回来再看这个图啊,我们看竖排,这三个不同模型,我们看当没有 v a e 和有 v a e 时候, ve 这个色彩其实比没有 ve 的时候更加有亮度,光泽。我们看一下这个第一个,然后最后一个,感觉就像加了一个增白的滤镜,然后让整体画感更加具有饱和度,这就是 ve 外挂模型的一个作用,然后 va e 的安装地点在哪里呢? 还是 stable diffusion y b y, 然后点击 models, 然后这里有个 ve, 你要把 ve 下载到这里就 ok 了,然后下一个看一下。 creep 跳过层是干嘛的? creep 跳过层全称叫做 contrastive language, image per training 语言与图像的对比与训练。它是用来让我们的 tag 和图 图形建立一个关系,或者我们可以理解为 s d 数据库里的处理模块。它这个数值如果是非常高的时候,关键词和图片的关系就会越来越低,数值越低的时候,关键词和图片的关系就会越来越高,它是一个反比例关系, 一般我默认不动,就在一就好了,不要调太高啊,我告诉大家为什么不要调太高?我们看一个例子,我们主要看这一数列的 cleve skip。 这边我做了一张零到十二的一个对比图,首先我们看零到四 steps, 我一会会讲啊,不管你的 steps 是多少,其实这个图片已经挺不错的,当 steps 越高的话,这人物的细节就会越多一些,然后我们看到六六也 ok, 所以到零到六这个值都 ok。 然后到八的时候,他就开始变奇怪了啊,就整体关键词和图片的关系就会越来越低,他会用更多的 ai 想法去给你做这个图, 不管你的关键词,他会无视你的很多关键词,因为我本来这关键词是一个女孩的关键词,他直接变成一个男的了,并且脸部还是有很明显的变形的。然后到十十二更高的时候,他就开始做一些九宫格的图,所以说你这个东西不要调太高,一般默认就好了,一到四 是一个不错的选择啊。这个范围我弄了一个零啊,按理说他是不能调到零的,我给大家讲一下,他这个范围是一到十二,一般不用去改这个参数,想让关键词的权重多一些,就不要动他了,我们看下一行,我们看哇,这一行好多东西啊, 看就感觉是不是要很多要学的。其实并不是啊,后边都是一些设置和插件,具体当时用的时候我会告诉大家。目前来讲,只要搞懂文生图的所有参数,还有图声图了一个 denoising, 还有一些高清化,这个都是特别简单的东西,剩下的你就全部就掌握了, 很简单, ok, 首先我们看提示词啊,提示词和 meat jenny 来讲呢,提示词这里分两个,第一个是提示词,我们叫做正向提示词,第二个是反向提示词,它区别很容易理解啊。第一个就是你想让图片出现什么,你就往这个框框里加,你不想让图片出现什么,你就往这个框 创立家。举个很简单例子,我想让整张图片有 girl 是女孩,那我不想让他出现男孩,我就写个 boy。 再举个例子啊, instability fusion, 他经常会出现一些多头,多手指,多脚多腿的一个情况,所以我们在看关键词的时候,我们会发现别人经常会写 extra hand 或者 extra legs, 多手多腿的情况出现,我们都会把这些放到反向提示词。我们先讲一下内容性的态度,我们描述的时候描述什么呢?这个是根据不同场景不同你想出的图去定的,如果是人物写实的话,我们会先写人物和表情,然后服装特征,场景环境,然后镜头,然后是灯光 和风格具体描述这些,然后再加一些其他的元素细节词到里面。嗯,除了这些描述人物特征,我们还要描述一些画面的一些细节,比如说质量,我们常见的 alt details, insane details, 然后 有些渲染器引擎,比如说我们想要三 d 的 octan ranger 啊, detail unit cg, 然后就是画面的风格,假如说我们想要插画风啊, oil painting, 油画风,写诗风等等等等,都可以往里面描述。然后给大家分享一个国内大神整理的超全的元素风格整合包,都在这里边, 你可以在这里边出任何什么镜头,人物,服装,表情等等等等等等。然后还有这个东西啊, 大家到时候可以自己看一下啊,这个连接呢,我会直接放到我的交流群和 d c 里边,大家可以直接拿下面给大家讲一下。 tag 的格式目前还是只支持英文啊,所以英文还是要好好学的。 的确有那些你打个中文就会出英文的小插件,但是我依然不建议大家太过依赖啊,因为你学好英文真的是对你有很大帮助。未来新的 ai 出现,可能还是先是从英文开始,如果你用的起 他已经有一个很不错的提词器了,比如说我们想打一个 masterpiece, 我们不知道怎么拼,哎,他就这里出来了。然后第二个就是我们可以以单词的方式写, 也可以一个词组一个词组写,还可以短句来写,短句是我非常推荐的,因为你同样的词组以短句来写的话,他的图会更精确。如果你一个词一个词泵,识别性会降低一些。 stable defucent 的识别关键词非常非常多,而且他识别的细节也会很多。 但是如果你很长的句子全是一个单词,一个单词往外蹦的话,他一看这么多单词,他可能自己用自己的想法去排列组合他了。 如果你是一个句子的话,他会直接以你的句子去生图。单词与单词之间就是用逗号分割,然后靠前的关键词权重是最高的,并且是优先被 sd 识别出图。所以我们在出图的时候把重要的元素往前放就 ok 了,特别是主体,或者当你写了 一堆 tag 的时候发现,哎。我这个假如说 forebody shot 全身怎么没有出现呢?我们就把 forebody shot 提到前面,它大概里出了图就会出现你的一个全身照。然后接下来给大家讲一下权重怎么用。 因为 sd 里边的权重分好多种。第一种我们叫做括号法则,大括号,中括号,还有小括号。假如说我们描述一匹黑马 black horse, 把它括一个括号,这个时候权重就变成了一点一倍了。如果说我们加两个括号行不行? 我告诉你是可以的,加两个括号,他权重就是一点一,乘上一点一倍,我们加三个括号行不行?可以,就是一点一的三次方,加几个括号就是一点一的几次方,我们加四个可不可以?也可以,你加十个都可以啊。 下一个我们讲一下大括号啊,大括号的话,他加了权重会略低一些,他是乘上一点零五倍,加两个大括号是一点零五,乘上一点零五,这是增加权重。那么有没有减少权重的 好方法呢?有,加一个中空号就是减少一点一倍,加两个中空号就是减少一点一的二次方,减少一点二一倍的权重。下面讲一下第二个权重方式叫做数字法则,就跟 midi 很像啊,就是在后边打个一点三左右的权重,然后我们要把这个东西包起来啊, 然后这个 black horse 在整篇 tag 里边权重就会增加一点三倍。那如果说我们想让它减少呢?就是网一以下的单词去写,如果写成零点五的,就是说 black horse 这个 tag 在整体关键词里边,它就变成零点五倍的权重。 这个是权重法则啊,我们用这个比较多啊,刚刚那些加一堆大括号,只让大家知道有这个东西,但并不建议用啊。你加一堆括号,你最后乘着乘着也不知道是多少了,你加零点五,直接这个比较清晰明了。然后权重建议尽量保持在零点五到一点六这个范围里边,如果你写成 二,写成三,写成两百两亿,那你的图片肯定是会崩的,大概率就会成一个花图。然后下面教大家一个按的大法,叫做混合大法,大写的 and 啊。假如说我想让一个老虎和一个牛去做混合,把按的放中间,我们看一下它出了图, 我们看一下,其实能明显的看到这个身体是老虎的,他这个头其实像一个牛头,对不对?按的大法就是用两个做混合,第二种混合方法叫做中括号,然后中间放一个竖杠,这个也是台跟,然后右边写个靠,我们先看一下他的效果, ok, 这样你看就是牛头更明显了,然后是虎的身体,这两个效果什么区别呢?括号混合大法,他是交替算法。假如说我这个步数一共是渲染十步,一三五七九,他渲染的是老虎,二四六八十,他渲染的 是牛,所以最后就混合成这样子了, ok, 这个是混合大法,下面我要讲一下采样步数,就我们刚刚讲的 something steps, 就是他渲染出一个图的步数,他的这个值是一到一百五,当你把它往右调,调的越高,画面的细节就会越多,渲染速就会越慢,调的越低, 他画面的细节就会越少,渲染的速度越快。如果太低的话,这个整个图片大概也是模糊的,或者是全部是噪点。我建议一般做图的话,二十到四十就够了,你调一百五,可能一张图你显卡好的话还好,你显卡如果不好的话,你可能要等十几分钟甚至半小时。 给大家看个例子啊,我们先第二行,第二步到第八步左右,他其实就是一个去造的一个过程,然后到第十步的时候,其实这个图片你可以用了,从二十五到四十,脸部变化其实非常小,他为什么是说细节变了?我们看这个衣服啊,这边 褶皱一点点,然后多一点,多一些,然后褶皱更多,这就是他的一些细节,然后还有一些头发细节。大部分采样器二十都已经足够了,如果你想把一个图做的非常非常清晰,那你就用到四十左右就 ok, 下面我们看一下采样器 something method, 哇,我们一看,哇塞,这么多采样器,我们到底用哪个比较好呢?我们可以把采样器分为四个不同的类别, 采样器里边带 a 的,采样器里边带 carrust, d d i m 和 p l m s, 最后一个是带 d p m 的,然后这个 here 和 uni p c。 我分开讲啊,只要是带 a 的采样器,我们都叫它 ancestral sumper, 比较古老的采样方式, 它的特点就是采样时很随机,但缺点呢,就是无法集中的采集造点,并且有的时候它识别的关键词可能没有其他采样器识别多一些,然后是 carros, carros 特点就是它去造的一个过程是比默认的要快的, 然后下一个 d d i m 和 p l m s。 其实这两个是 stable d fusion 刚出现的时候最先出现的两个采样方式,但后面出现的这些都是吸取了它的优点,并且把它的缺点也更改了很多。 d l m s 就是 l m s 的一个升级版,它渲染的速度是比 l m s 更快,更清晰。 这两个用的比较少,大家可以暂时过滤掉。我一会可以给大家看一个所有不同采样方式的一个例子。 ok, 下一个 dpm pm 加加 sd, 这个是用了非常多了,这个做人物形象的时候非常有用,我用的最多了,其实就是这款 采样方式。先讲一下 dpm 二啊,他对关键词识别是比较精准的,但是渲染的速度比较慢。 ok, 我给大家看一下他们的区别啊,我们主要看这边的啊,从哪个方面去评判他的好坏呢?步数越少,渲染的图片越清晰的时候,那就是一个很好的采样器。我们先看前两个, 前两个大概到第八步,第十步的时候这个人形已经出来了,但第三个话 lms 他的步数可能要高一些,到二十五才把真正的人形打出来, 和 lms 不推荐大家去用。下一个就是 him, 他是一个生造去造的一个过程,刚开始全全部造点,然后慢慢慢慢去造,然后到也是到第十步的时候,差不多已经把图片做出来了, 大家看一下,我就不一一去讲了,我主要讲一个哪个呢?叫做 dpm fast。 当用 dpm fast 这个采用方式的时候,他渲染的速度是非常快的,但是有个问题啊,他要很多的步数才能把真正的人形给打出来,这边到四十步的时候才能感觉啊,这个人形已经完全出现了,他虽然快,但是需要的步数很多, 我也不建议大家用这个 dpm fast, dpm adaptive 这个太牛逼了,这个两个步数就把人给渲染出来了。即使你到四十步,最后四十步 和两步的区别几乎是没有什么太大的变化,因为 dpm adaptive 渲染的斜率是平的,你不管多少步,他直接渲染出来,就是跟渲染四十步数的是感觉是一样的。我们总结看一下, 第一个 ok, 第二 ok, 第三个不行,第四个 ok, 第五个也可以,第六个就不行,第七个可以,这个也这个也不行。然后 dpm fast 大家直接略过啊,就不要用这个 adaptive 也可以用,当你显存很小的时候,把步数调低,直接用两个步数就可以弄出来了。 这个是采样器,这张图我会分享出来,大家一看就是明白具体要哪个采样器了。然后下面面部修复,无缝贴图和高分辨率修复 一个。如果你想生成带人物的图片的话,一定要把面部修复给勾上,勾上的话 sd 会对你的面部做一些更细节的一些调整和渲染。无缝贴图没事的话就不要点他了,你要点他的话,我给你看一下这个 one go 无缝 贴图出现的话就是一个花图,一般是做纹理图案或者壁纸的时候用的,比如大理石瓷砖比较常用啊,就把一些纹理给贴上去。第三个高分辨率修复,这个什么我们后边会讲这个其实就是 x 差不多是一样的,就是把模糊的图片变清晰,嗯,然后下面宽度和高度,这就是图片的分辨率,都是以像素为单位的啊,一般常见是五幺二乘五幺二或者七六八乘七六八。这个跟显存也是有关系的啊,如果你显存不够的话,你一般用五幺二乘五幺二就好了, 因为他很占用显存。假如说你想生成的图片,你弄成二零四八乘二零四八,你显存不好的话,你很容易去报显存,就会报一个错误啊。 stupid feel 上一些常见的报错误之后会给大家总结一个表的啊,下一个是生成次数和每次数量啊,这两个其实好多人都没有讲清楚啊,我给大家讲一下什么意思,生成次 数的范围是一到一百,就是你想让他生成多少张图,假如说我想让他生成三张图,我就把它调成三就好了,然后这边就会给我生成三张图, 然后下一个每次数量。假如说我把每次数量调成二,我们先看一下这两个区别在哪里的。生成次数是一张一张给你渲染每次数量,调的话,你假如说调二,就是你同时给你渲染两张图 和一次一次给你渲染两张图的区别。如果你显存不好的话,不要点它显存,如果很好的话,四零九零之类的你 点他也可以,但一般常见的我们都是点生成次数,其实时间差的不是很多啊,但是每次数量这个 batch size, 你要把它点高的话,他会把你显存直接给顶满,甚至报错。我给大家报个错看一下啊, 然后一零二四乘一零二四四个 batch。 哎呀,这回没有报错成功啊,下回有 机会再给大家演示怎么报错啊。下面我讲一下。 cfg scale, 中文叫做提示词引导系数,它的意思就是你图片的相关性啊,数值越高,你图片就和提示词更相近,数值越低, ai 的想法就会多,一般低不要太低,高不要太高。零到一,我一会给大家看个例子。 ok, 我们看一下啊。同样的关键词, cfd scale 是零的时候他就是花的,零到一几乎都是花的,二的时候可以,因为我的关键词是 fully cover 的,所以这个关键词识别的不是特别好。然后往后看之后的这些关键词和图片的关系就比较多一些了。 比如说四到十左右,你看到十二的时候,图片就开始损坏了,一般你不要超过十,我都不建议一般九差不多了,你看从十之后图片就全部损坏,全部损坏,全部损坏,这也可能因为采样器的原因,当然还是不 建议调的太高,也不建议调太低。下面讲一下随机种子,这个随机种子就是一个 ai 产生绘画的一个随机数。我先给大家讲一下这个骰子和循环标志是干嘛的,如果我们说,哎,这张图片风格我觉得很不错,在哪里看他的 seed 呢?在在这里我们可以直接复制给他,粘贴到这里是一个办法, 我们也可以直接点击这个循环符号,把这个就直接复制过来了。骰子是干嘛的呢?骰子就是把种子调成负一,为什么是负一呢? 只要这里是负一,那你 ai 出现的图就是全部随机,一般我们用负一多一些。然后下面这个种子差异度啊,我就不跟大家讲了,因为几乎是用不到的。这个东西也是有点像混合的意思啊,就是让两个种子做结合,假如说这是种子,我用五, 然后这种子我用六,他就会把两张种子的风格合成一张图,然后差异强度。假如我们调到中间的话,就好比 一半是五的种子风格,另一半是六的种子风格,这个大家下去可以试一下,我这里就不讲,因为它的用处不大。再接下来看就是这些插件,我会主要讲 ctrl nine, 会专门做一篇 ctrl nint 的用法教程,然后下面这个脚本,这篇视频我先讲到这里,下节课我会讲脚本, 本期视频我讲的所有内容都整理到了思维导图里面,链接我会放到评论区,免费供大家学习使用,里面有做重点标注,比如这些红色的字体是比较重要的,大家要反复观看黑色字体大家可以选择性的观看啊,因为有一些东西你不必要太去深究, 大家了解一下就 ok 了。如果我的视频对你有帮助,希望你可以一键三连支持我一下,我会有更多的动力生产更优质的 ai 教程,关注我,让你轻松掌控 ai。

有很多人在使用 s d 的路上疯狂爆显存, s d 对于新手的却很不友好,尤其是在电脑配置上。也有很多想训练老外的家人,因为显卡不好, 只能看别人训练,今天必须把问题全部给你们解决。在线训练劳拉一条龙服务来了,对配置无任何要求,可以说对新手太友好了。这个还 ai 平台,甚至你连训练素材都不用愁,直接可以提取平台的素材,你也不用担心版权问题了。今天主要来讲一下这个训练劳拉, 点击顶部左上角 ai 模型,这里是我之前训练的一个路飞的 lola, 如果你想训练自己的 lola, 你只需要点击这个创建数据集,然后随便输入名称,我就直接输,带你吃火锅。下面选择你要训练的风格是写实还是二次元,我选择的是二次元,然后点击创建数据集,再点击这 你的编辑数据集,来到这个新窗口,就可以开始选训练的图片了。比如我这里搜索路飞,我筛选出路飞的素材图,这个平台训练到了至少需要九张图,看起来搜索到的九十张都有了吧。接着选大于九张帅气的路飞照片,最好是角度还有动作多样一点,特征统一, 我选了一些身上有火焰的,还有路飞肌肉明显的, ok, 选择了大概十四张。接着点击下面的标签设置,也就是常说的给图片打踏。左边是我们选择的图片,右边是这些图片的提示词,这需要你对训练老板的步骤有一些了解, 然后点击右上角的保存,再点击右边的高级设置,这就是常规训练老外的一些参数设置,如果你训练过这里,你一定很熟,记得必须打开上面的设置开关,你才能调整这里的参数。这里是常常训练老外用到的尺寸, 我就选五百一十二乘五幺二,这些参数都可以按照你的经验调整,然后点保存。已经来到最后一步了,直接点右上角开始训练,会弹出来这个编辑框,第一排输入你训练这个 logo 的名称, 第二排是选择训练老外的底膜,通常都是选择 s 一点五模型,选好后,点击确定就开始训练了。这里是训练的进度,大概十多分钟就能训练好。这个时候你完全可以关掉页面去玩游戏或者去作图,你甚至关机都行,他会在云端自己训练,直到结束。 我还发现这个平台等于是把 sd 和 mc 整合了。点击顶部的 ai 绘画,直接开始在线作图。你看到的这些都是之前我在线做的图,完全不会再用自己电脑资源。这里生成的路飞图片就是我之前训练的劳拉,几乎让我的训练看起来还不错。如果 通过你观察的戏,这和 mj 很像,一次出四张图,这是我用极短的提示词,深层的剪纸风格图,往右边看,你会发现和 su 很像。可以选择底膜和拉瓦模式,有四种你都可以尝试下模型,也就是 sd 的底膜选择。这里让我特别惊讶的是,这个平台对接了西藏所有模型, 而且无需下载,直接在线一键调用,你实在想下载也行,喜欢什么模型点什么模型, 我就随便选择一个我常用的二次元模型风格,这里就是选择劳拉的地方,这里是刚刚训练的路飞劳拉,更多推荐也是对接了西站的劳拉,你也不用因为网络趣步的西站苦恼了,我就直接选刚训练的路飞劳拉,出图看看,权重就保持默认一 下面这里也可以开启面部修复, pisd 是一样的,这个平台写提示词可以直接写中文,比如我在这里, 最好的质量路飞战斗状态,身体被火焰缠绕,然后回车就开始自动生成图片了, 这个速度还是非常快的,最主要是不会用到自己电脑显卡。看看用自己训练的劳拉出的图怎么样。还可以,感觉用来做小说挺好的。最左边这里还有智能补图的功能,我测试了一下这个效果,我还去用什么 ps 贝塔,下面还有高清修复功能,我也测试了, 修复效果也和 sd 是一样的。下面的图片描述功能,也就是 sd 的反推提示词,反推出来的提示词我感觉比 sd 更精准一些。这里也有提示词标签工具,你不知道怎么写,就直接选标签就行, 比我上次推荐的提示词标签插件还要全面。这个时候你肯定会问有没有 controller 的功能,我发现还真有,点击这里的高 一起创作。上面是 s 的图声图功能,下面的条件声图就是 ctrl 那我也是万万没想到竟然 ctrl 那的功能。这里全有, tiny, openpose, 现稿提取,他要等等。如果你实在懒得写提示词,也懒得选提示词,那你就回到首页顶部有个 ii 广场,就在这里搜索,或者找你喜欢的风格图, 比如这个蜘蛛侠我挺喜欢的,直接点击创作,所有的参数就全部同步过来了,你只需要敲一下回车, 等待渲染完成,就可以做出作者同款啦。还提供四张你选择,你如果特别喜欢其中一张,你还可以直接发送到高清修复,进行超分式,可以放大,这些我都会放在评论区,还有视频下方。关注我,让你在 ai 的学习上手走弯路。

可以选择零点的三度模特。第三步, 这个就是我们今天的原件,固定是在磨签的时候不会繁殖。