一键炼制自己的专属模型,想画什么样的图片就画什么样的图片。一个视频教会你怎么训练自己的模型,然后用要画出你想要的图片,首先确定自己想要的图片风格,比如我想画元神里面的雷电将军,我就找相关的图片,准备十到二十张就够了。用这个网站裁剪图片尺寸, 然后打开 note 训练器,在标签器这里选择裁剪之后的图片路径右下角这里点击启动,在后台这里能看到已经开始了。 完成之后,你的图片旁边会多一个 text 文件,里面是提示词,就是告诉 a 图片里面有什么东西,不准的话可以手动修改到这里,数据级就算做完了。接下来是在新手界面这里显一下底膜路径和数据级路径,其他参数保持默认就可以开始训练了。 在后台这里能看到训练进度。我的显卡是英伟达的两千十二 g 专业卡,这张显卡显存够大,训练起来还是挺快的,大概半个小时就完成了。将训练 好的模型复制到 stable diffusion 的 low 文件夹,打开 sd, 输入提示词,然后简单调一下参数,一张精美的图片就画出来,是不是很像呢?最后我把教程里用的模型数据及以及训练器都打包好了,还有一份详细的使用文档,评论区回复 low 领取。
粉丝1.8万获赞14.9万

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!

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。

哈喽,大家好,今天这个视频给大家分享 s d x l 的 lora 训练。废话不多说,我们来看一下怎么去操作。第一步我们需要去准备训练素材,我已经提前准备好了,这个文件我命名为一,当然你也可以命名其他什么名字都可以。 这些图片需要是一零二四乘一零二四的一个大小,人物尽量要多个角度,但是我准备的很简单,就是这个只是给大家做一个演示。第二步,要去下载后亚 ss, 我是用的这个去训练的, 这个地址我会分享给大家,就在我的视频的说明栏里,来到这个页面之后,你点这里的绿色的这个图标,然后这里有一行命令,你复制他,然后我们找一个位置,比如说我们就找这个位置,鼠标右击在终端中打开, 如果你没有这个在终端中打开,你就在这里输入 powershare 或者是 cmd 都可以。然然后按 enter 键,它也可以进入这个窗口,在这个窗口我们输入 get clone, 然后把我们刚刚复制的这个命令粘贴到这里来,然后在 enter 键继续运行,它就会自动下载这个 koya s s 了, 然后这里已经下载好了,下载好了之后我们可以关掉,当然你也可以这样去下载,你直接下载他的压缩包,就是这个,然后解压之后就是这个了, 解压之后就是这个文件,下载好了之后我们点进去,进来了之后我们往下滑,找到这个 set up, 点 bet 这个文件,双击它进 进行运行,他这里会去创建环境, 然后在这个地方我们要去选择第一项,去安装 koya s s g u i 按 enter 键, 然后这里我们要选择二,然后在 enter 键这个地方呢,它是没有进度条的,需要等一下,就是这里,这里的 python 呢,尽量是三点一零版本 好,到了这个地方我们选择这台机器,就是这里默认,然后按 enter 键, 然后这边我们也是选择这个无分布训练,就是无分布式训练,也是按 enter 键就可以了,然后这个地方他问你是否仅用 cpu 去运行,然后我们选择 no, 就输入 no 就可以了,按 enter 键这个也是输入 no, 这个也是输入 no, 然后这个地方是 gpu 选择 or 按 enter 键,然后下边这个地方,这个地方如果你的电脑配置比较好,比如说像二零系,三零系,四零系,那你选择 b f 十六就可以了,如果你的 电脑一般,比如说是一零系及以下的,那你就选择 f p 十六,就是我就选择这个 b f 十六就可以了,然后按 enter 键, 然后这边就已经是好了,好了之后我们关掉这个就可以了,其他我们不用去选择,然后关掉了之后,我们再往上滑,找到 g u i 点 bet, 就是这个这个脚本,然后双击运行, 然后运行好了之后,它这里会出现一行就是地址,就是这个你打开它, 它就会进入这个页面,然后我们点这里的 laura, 因为我们是训练 laura 嘛,然后点它这个地方呢,我们自定义就 是 custom, 选择这个自定义,然后格式,我们就 set tensors 这个格式,然后这里是选择我们的底膜,当然我们就选择这个 sdxl 一点零模型,对吧?然后我们选择这个,按这个按钮,然后去找到我们的那个模型, 比如说像我之前是存到这个地方的, 就是这个 base 一点零模型, 你把它放到这里来,然后好了之后我们选择这个 s d x l model, 就是一定要去勾选这个,这个不要忘了。然后我们接下来就是选择这个 tools, 就是这个地方要去准备我们的训练级,我们选择最后这一项,就是这一项,然后这个地方呢 是你的这个 lora 的名字,你随便输一个,比如说我就美女就美女吧, 然后这边是你的一些通用的关键词,比如说就 one girl 了吧, 我只是做一个演示,然后这个地方是你的这个数据级路径,然后你可以直接点这个,然后我们的路径放到这个地方的,就是我刚刚的这个一, 就是这里你一定要点进来,然后选择这个文件夹一,然后这个地方呢是你的循环次数,也就是说,呃,你这个图片每一张图片要看多少次?比如说我就看十次,也就是说他是一张图片,他要进行十步, 就是这样的。然后下边如果你有你的正泽化的一个文件,你可以在这里上传,如果没有那就不管他。然后这个地方呢是你的输出的一些就是训练文件,还有 laura 输出的一个地址,就是保存的这个文件的一个地址, 比如说我就点这个文件夹,然后在这里我去新建吧,随便你凡间到哪里都可以,就是自己去建一个文件夹就可以了,那我就输出就输出三,就是这个名字,我们同样点进来这个是三, 这个不要弄错了,好了之后我们就是这里点击这一项,它是一个准备训练数据,然后我们可以看一下后台, 点击了之后你可以看一下他是复制我们的训练图像,然后到二到三这个文件夹里边就是一是我们的准备的数据集,对吧?他是复制到三,包括他已经是分好类的, 然后他这里已经是好了,好了之后我们点这个文件夹,你可以看一下就是这个三,刚刚我们是新建的,对吧?他是空的,但是现在我们已经把一复制到三里边来了, 你可以看一下他是有三个文件的,如果你有一个正泽化文件的话,他还会多一个正泽化的一个文件,因为我没有嘛。然后这三个你可以看一下,这里是图片, 可以点进去,你可以看一下它这里是有固定的一个格式的,比如说我刚刚的这个数字是十,对吧?那它就是表示 是我们每一次,就是每一张图片,我们都是 ai 要看十次的,就是要处理十次,就是这样的,这个地方不要去弄错了,也不要去改他。然后其他的话现在还是空的,可以看一下这是我们最终输出的这个 模型。然后好了之后我们又回到这个页面,就这个页面来好了之后我们 copy 信息到这个文件夹,就是点他点了之后我们点这里春令这个, 然后这个就是我们的刚刚复制到这个文件夹来了,可以看一下他现在就是帮我们已经设置好了,就是我们刚刚的三个文件,就是这里你可以看一下他已经设置好了,设置好了之后,这里这个是你输出的这个模型的名字,比如说 我们就美女下划线 v 二吧, 就是这个,那我就保存这个名字,随便说都可以。好了之后我们再点击这一项, 这一项呢就是我们的各种参数的一些设置,上边我们就不动,下边这里是它的一个批次大小,批次大小的话就建议一到二,就是建议一就可以了,它代表的是每一次 就是处理几张图片,就是一次性拿出几张图片来训练,就是这个,那么这个越小可能越好一些效果,那这里就一,然后这里呢?嗯,这个是我们训练的一个轮数,建议是五到十,那之前我已经准备了十六张图,对吧?然后 每张图不是训练的十次吗?之前,然后十六乘以十,也就是一百六十步,也就是说一轮他就是一百六十步,那这里就是设置轮数的,比如说我这里就设置十轮, 十轮的话那就是总共一轮一百六十步,十轮就是一千六百步,他总共就是训练一千六百步,这是最大的一个轮数,我们不管他,然后这里 他是表示的是那个你多少轮,就是没几轮自动保存一次模型就是这样的,那我这里就每一轮都保存一次模型,你也可以两轮保持一个模型等等,都是 ok 的。 然后这边呢可以选择我们刚刚的那个 b f 十六,如果你的旧的一个卡布不支持,那你就选择 f p 十六,然后这个 cpu 我们就默认二,然后这后边这两项我们都是建议勾选的,这个呢可以提高你训练的一个速度。然后下边就是这里这个是优化器,优化器的话你可以直接选择这个 pr 开头的 这个优化期,那你这里的就是学习率这个地方以及下边这里的学习率,不是这里这里的学习率都要改成一,你可以选择这个, 这个就是不用去管它的,就可以直接选择这个。当然你也可以选择这个优化器, 这个优化期呢,他训练的时候需要较小的一个显存就可以了,那这里的学习率你就要改一下了,就不能是一了,我就改成零点零零零四,然后 这个我们要选择 constant, 选择这个,然后这个我们要把它弄成零,然后这个呢它是你的这个优化器的一个额外的参数,我们可以这个我给到大家了, 就是这个是训练 s d、 x、 l 的优化器,额外的参数可以设置 也可以不设置,看自己个人,我觉得设置好好一些。然后这边呢他是你的这个分辨率一定是一零二四,一零二四, 这个一定不要弄错了。接下来我们看一下,就是这两个学习率,我们跟上边是一样就可以了, 然后其他我们就默认。然后这个地方我们 一定要去勾选这个 low half v e, 然后这里 rank rank 呢,我们设小一点,就六十四吧,因为这个越大他越占线显存,当然你也可以设置到二五六去,那么你训练的 laura 可能有一个 g 的大小,就是这个地方。 然后这里我们建议打开,然后勾选这里的一个梯度检查点,不然你的显存可能不够,然后其他我们作为新手就默认吧。好了之后我们点这个开始训练,然后你再看一下后台, 它这里就会有很多的一些数据都可以看的,然后这里稍微要等一下。 好,大家看到这里已经在训练了,因为我电脑很一般,所以这里我就不等了,我用另外一台电脑训练了,给大家看一下效果,那我就把这个地方关掉,我们看一下效果是怎么样的。 这个二,这个文件夹是我用另外一台电脑然后训练出来的,大家可以看一下,我们训练出来不是有这样三个文件夹吗?然后你训练的 laura, 它就是在最后的这个 model 这个文件夹里边儿, 然后这里边呢?我们不是一共有十轮,然后我们每一轮都要保存一个模型吗?所以他一共就保存了十个模型,这九个,然后这里是最终的这一个,然后我们把这个复制一下, 就是这个模型复制,然后放到我们的 webui 目录里边,就是 找到目录,然后找到 models, 然后找到 laura, 把我们刚复制的这个 laura 粘贴到这里边来,因为我这边已经是就是说放进来了嘛之前, 然后我这里就不替换了,就是这个我已经放进来了,好了之后我们启动我们的 v b y, 进来之后我们这个模型要改成 s d x l base 一点零,就是这个模型唯一页可以可选可不选,然后这里,然后我们输入提示词 好了之后我们要选择 laura, 那就是这个美女,这个 laura 就是训练出来的,然后反向提示词 下边参数就随便设一下,就是看一下效果, 然后其他我们就不更改了,我们点生成 好,这里生成了我们可以看一下效果,就是这个是我训练出来的这个 lora 效果还可以,大家下来可以去试一下,就是改一些它的参数等等,然后今天的一个分享就到这里。

hello, 大家好,大家玩 stable defusion 应该有一段时间了吧,也下载了很多的大模型和 laura, 但是有的大模型和 laura 呢?它是有一定的触发词的,只有和触发词结合在一起使用,这个效果才会更好一些。 就比如说像这个汉服的 lara, 它是有相对应的触发词的,就是这旁边紫色的这个就是它的触发词,你只有和这种触发词结合在一起使用,才更好地去调用这个 lara, 它的效果才会更好一些。那么 回到这里,如果你的大模型和 lora 下载的比较少,那你这个还记得这个触发词,但是这个模型一旦多了之后,可能就不太方便我们记忆了,或者是你把这些触发词写在记事本上边啊等等之类的,但是不是那么好去调用。像我之前 前给大家去介绍了一个插件,就是 safeta ai 助手这个插件,它可以对这些模型进行管理,但是有的人跟我反馈它这个有一定的 bug, 很可能就是扫描不成功,而且只能扫描 c 站上边的一些模型,那从别的一些地方或者自己训练的一些模型就没办法去管理了。那么今天就给大家去介绍另外一款插件,就是这个 laura prompter to 这个插件,它可以很好的去管理我们的模型。那这个插件是怎么样的?我们一起来看一下,就比如说像这个汉服的这个 laura, 对吧? 然后你点击它,它会在这里去调用这个 lora, 但是它还有相对应的触发词,我们鼠标右击,然后我们点这个汉服,你可以看一下它的 触发词就放过来了,就是这个你可以看一下一模一样的这个触发词啊。还有一个你鼠标右击,你还可以加入试列图片的提示词,就是这些图片,你可以看一下这些图片都是 c 站上边扒拉下来的,那么就是这个 就是这些图片可以看一下的,那么你点这个图片,他就可以把这个图片的提示词,然后就是自动的就是转到这个提示词框内了,然后我们再把这个清除掉, 我们再看一下下边他还有试列读的提示词和他这个读的一些参数,他也可以去调用,但是我觉得他这个还是有一 定的问题,你可以看一下他这个地方都不对,你看大小很明显是不对的,对吧?然后还有等等一系列的,比如说这个我没有他相对应的底膜,我给大家去就是说介绍一下,我们先把这里清空,我们刷新一下嘛, 我们就以一个我有的,比如说像这个国风三,然后就是他这个图, 你可以看一下他的提示词是对的,然后但是他下边你可以看一下这个地方 大小是不对的,而且他的这些放大算法啊,这些都是不对的。比如说我们在这里生成,他是没办法去生成这张图的,是有问题的,可以看一下是有问题的,没办法去调用 它,是什么原因呢?比如说我们可以看一下哈,我们在 c 站上边去找国风三的模型, 就是这张图片,我们可以看一下生成这张图片它的参数,点右下角这个地方,然后 copy 它生成的参数,复制回到 stable diffusing 这个页面,我们先清空一下提示词, 把我们刚刚复制的东西粘贴到这里来,然后这里是它的正反向提示词,下边就是各种的参数,我们可以看一下, 这个是比较重要的,这个是噪声种子偏移,他是还原图片的,这是大小六四零乘以零二四。我们再往后看,这是他的采样方法,这是跳 过程是二,然后是高清修复采样的一个次数是六十四,放大两倍,这个是放大算法,这是他的一些参数,我们点这个地方,点这个箭头,他就可以帮我们自动的去配置好了,可以看一下, 但是它是没有这个差异,随机种子的这个地方是没有的,我们取消这个勾选,但是它多了一个覆盖设置,你可以看一下跳过层十二,然后这个是噪声种子偏移,因为我这两个都没有去设置,然后我们点这里生成,你可以看一下, 它就可以生成就是这张图片了,就是还原这张图片,就是这个,那么它这个插件这个地方是有问题的,这个参数是有问题的,我们看一下到底有什么问题。我们刷新一 同样,我们鼠标右击,然后点这个 点它,它的这个正反向提示词是对的,没有问题。然后我们再往下看, 它的放大算法是错的,它没有去识别是这个放大算法,然后它的高清修复采样次数也是没有识别出来,它是六十四的一个次数,大小也是不对的,是六四零乘以零二四。 然后我们再往下,他是没有这个差异,随机种子的,他这个地方是应该错了,应该是那个噪声种子偏移,所以我们这个不勾选那个噪声种子偏移呢?他是在这个地方我们点设置,然 后这里有一个采样器参数,下边这里就是噪声种子偏移,就是这个东西他是建议三幺三三七的,他不影响我们平时生成图片的。设置好了之后,我们点保存, 然后回到纹身图这个地方,它的跳过程是二,其他的参数我们也已经改掉了,改掉之后我们再点击生成,你可以看一下, 它就可以还原我们这张图片了,可以看一下,所以这个功能呢,它的这个参数,这个地方是有问题的,但是我们可以借鉴上边的这个,它的这些图片,它的这些提示词你是可以看的,而 这些提示词的话可以学习,我们可以结合这个提示词插件,就是这个地方,然后你可以把这些识别出来,把意思翻译出来,然后进行一些调整,你可以去学习生成一些比较类似的一些图片,对吧?那这个地方他是那个翻译有点慢,可以看一下, 就是这个插件,这个插件我觉得最大的一个用处不是在这个地方,而是在它可以去编辑你从别的地方下载的模型,或者是嗯,就是在 c 站上边下载,但是这边没有去识别的,或者是你自己训练的 一些模型,比如说像这个 lorra, 这是 c 账上边的一个 lorra 盲盒的这个 lorra, 然后你鼠标右击,它没办法去识别它的就是 提示词啊这些,这个是我之前就是测试了一下,就是没有去识别好他的一些触发词等等之类的,那我们可以点这个地方进行编辑,比如说像你自己训练的罗啊,或者别的一些地方下载的一些罗啊,你就可以在这进行编辑了, 这是他的名称,然后路径等等,这一等你还可以在这里设置一些就是权重,你调用他的时候,他就会使用这个权重。 然后还有这个建议的 lora 的一个分层控制,你也可以在这里进行编辑,然后这是他的名称和触发词,这是我之前测试的, 然后这是额外的描述专用的反向提示词,你都可以进行设置,设置好了之后点这里确认保存,就可以去调用这些了,这是一键的编辑。但是我不是特别建议大家用这个, 而是建议大家用这个高级编辑。就是这个地方,比如说像这里的名称,我可以去输入,我就输入一个盲盒这样的一个名称,然后触发词 c 账上边我们搜到 盲盒的这个模型,然后你可以看一下他的出发词,是这个,我们就复制一下, 然后回到这里,我们可以把触发词黏贴到这里来,然后这个是触发词的一个分类,你也可以进行填写的,然后这个是反向提示词,我们不管, 当然这里触发词设置好了,我们可以点这个加号进行添加,就是下边这是可以添加的,我们也可以点这个叉删除, 是也可以删除,同样我们点这个这个地方也是可以添加的,然后比如说我们在这里添加一个就是附项, 然后这个是它的反向提示词,比如说我就随便复制一个它的反向提示词 粘贴到这儿来,然后这里你反向提示词,你这后边儿要填写 y, 你还可以继续的编辑添加,都是 ok 的。然后这里也可以移除重复的提示,这儿是移除空白的提示等等。然后你编辑好了之后,特别是你自己训练的模型, 然后你是可以在这编辑的,而且你这里也可以就是说把你这上边的内容就是一行为一组,把它输入到这里,然后也点这个从文字框读取提示词,它也可以读取到这儿来, 明白了吗?然后如果你是军 boss 模型,然后去就是训练的,那你也可以点这个直接去抓取他的一个触发词,也是 ok 的, 然后这里你保存好了之后,对吧?然后回到这个纹身图,你可以看一下,就是这个盲盒的这个你鼠标右键,你可以看一下我们刚刚点的这个盲盒,我们先把这里清空掉,就这清空掉, 然后我们刚刚输出的这个盲盒,对吧?比如说我们点它,先点它去调用这个 lora, 然后 我们可以鼠标右击输入这个盲盒,你可以看一下他的触发词就已经调用好了,就是这个就是我们刚设置的,而且这里我们不是输入了一个负向,就是这个反向提示词吗?然后我们点他, 他这个反向提示词,这个地方就可以帮我们去录入进去了,就是我们刚刚进行设置的,而且这里是我们建议的模型设置,就是这个建议的这个权重,我们点他, 你可以看一下,就是我们刚设置的这个 laura 调用的一个权重是零点六,他直接是这样去调用的,所以你直接点他调用的是一的一个权重,但如果你是调用的那个建议权重就是我们刚设置的这个零点六,明白了吗?是可以进行编辑的,不管是在 c 上上边还是你自己训练的 模型,都是可以在这里进行编辑的。除了这个像 c 站上边,比如说像这个 就是这个模型,我们也可以就是进行编辑,现在是啥都没有,对吧?但是他是 c 站上边的一个模型,我们点这个编辑,然后来到这个页面之后,我们同样点到这个高级编辑里边, 然后我们可以直接从 safety ai 抓取配置文件,我们点它, 你就可以看到他是在 c 站上边抓取的这个提示词了,比如说我们在这里嘛,然后同样我们回到这个地方去输入这个模型搜一下,我们看一下他抓取的那个对不对?就是这个,就是这个 cute girl mix 四,然后它的 这个触发词就是这个复制一下吗?我们回到这个地方,你可以看一下,比如说这里我们粘贴一下,对吧?是一样的, 然后多的一些地方,你可以进行编辑的,就是这个地方,比如说我们也复制这个反向提示词,然后我们点这里反向反向 提示词,然后这个地方它的触发词,我们这里还可以改名字,我们就改成触发词都可以 反向提示词,我们不敢把刚刚那个粘贴到这来,然后你反向提 提示词,这后边就是要设为 y, 就是这一块,然后设置好了之后,你可以点这里保存, 然后保存好了之后,我们回到这个纹身图这里,然后我们就是这个模型,我们鼠标右击,然后你就可以看到这里是他的触发词,对吧?我们先调用一下这个 lora, 可以看一下是调用了,然后我们再把这个触发词点上,可以看一下就是这里, 然后呢我们把这里先删掉,这个是反向提示词框,然后这里有一个反向提示词,点他你可以看一下, 就是这样的,大家可以下来去看一下,然后你从 c 站上边抓取的这个呃文件之后, 它会有这些试列图,你可以看一下这是抓取的试列图等等,都是可以进行编辑的, 明白了吗?这个是这个插件非常的方便,大家下来可以去试用一下,然后你看一下他的一个就安装方法,跟我们平时的这个插件的安装方法是一样的,我们这个地址会分享给大家。来到这个页面之后,你点这里的鼠标绿色的这个 地方,然后点它复制一下这行命令,回到 stable defusion 这个页面,然后点这里的扩展,从网站安装,把刚刚那个命令粘贴到这里来,点这里安装, 安装好了之后,他这里会出现他安装的地址,然后你再点这个已安装应用并重启就可以了。如果这里因为网速等原因下载不下来,你可以点这个地方同样复制这个命令,然后我们 回到这个 weby 的一个目录,然后找到 extensions 这个文件夹,然后来到这里之后,我们鼠标右击,在终端中打开,可以打开这个界面,没有的话你就在这里输入 powershell 或者是 c, m, d 都可以,然后再按那个 enter 键,它也可以进入这个窗口,然后我们在这里输入 get clone, 把我们刚刚那个命令粘贴到这里来,然后在 enter 键进行运行,我这里就不运行了,然后你运行好了之后,它会自动下载这个插件, 这个是第二种方法。第三种方法呢?就是回到这个页面,然后你可以下载他的压缩包,就是这里有个当漏的,你可以点这个地方下载他 的压缩包。下载好了之后你要进行解压,解压好的那个文件你同样放到这个 extensions 这个文件夹下边来,然后放好了之后重新启动你的 vbui, 就可以使用这个插件了。然后这个就是今天的一个分享,大家下来可以自行的去试用一下这个插件。

给大家一个简单的 loga 训练方法,首先把需要训练的对象上传到网站,统一尺寸,不能用别人的就只能是我自己了,大家忍一忍,下载回来我们的照片保存好,打开我们的 loga 训练包,点击启动脚本, 可以看到是秋月大佬制作的,再次感谢大佬,点击新手,这里需要改动的位置就只有几个,大家仔细看。首先是底膜路径,你需要把 s d 的底模型复制过来, 在 s d 目录下的 model 文件夹下, stable diffusion 文件夹里就是底模型的位置。找一个适合真人的底模型,比如 tilo max。 复制到老板训练文件夹里的是 model 文件夹里,你可以修改模型的名字,也可以不改,但是一定要 他保证跟那位训练 ui 里面的名商一致,包括后罪名也要一模一样。 然后就是训练级的位置,也就是那一堆照片。 打开出现这个文件夹,然后新建一个文件夹,名字建议跟你要深层的模型一样,免得混乱掉。打开这个文件夹,再新建一个文件夹,文件夹的名字为数字下划线模型名,这里很关键,不要错了,我这里是 sv, 把图片全部复制过来,这个时下划线代表训练十次, 这里改成你文件加一样的名字 v, 这里是训练次数,可以改,可以不改,我改成二十,也就是十乘十乘二十,总计两千次,这里我改成六十四,其他的地方就都不用管了。 整体检查一遍,确认无误后,就可点击开始训练, 这里可以看到训练的进度 显示。训练完成这么快吗?对,因为出错了,回去看一下哪里不对,这里我刚刚忘记改名字了,训练级的路径不对,改成我们的训练级路径,再次开始训练。 出现这个进度条就代表开始训练了。 much much much later。 好了,训练完成了, 打开 up 存件夹就可以看到训练的模型,然后选择后面不带数字的那个,复制到 snow dos logal 文件,加下面,在 s d 生成图片的时候加在你的 logal 文件就可以了。生成的图片修辞度报表我就不多放了,接下来就看你们的了,记得交作业哦。

今天教大家训练自己女神的浪漫模型。首先我们需要一些女神的照片,基本要求是面部无遮挡,角度多样,精度越高越好。然后把图片放到这个批量采切的网站,让所有的图片规格统一,在右边可以设置图片的尺寸, 我这里是五百一十二乘五百一十二,然后调整一下图片的位置,就可以点击右边的 c 八, c c 就会把所有的图片都打包后下载下来。新建两个文件夹,一个音,一个二。把下载回来的图片放到一文件夹里面, 启动 stable diffusion, 选择训练,选择图片预处理,把图片的原函目标路径分别对应应和 out, 然后点击预处理就可以了, 你就会在二图文件夹里面看到这些图片。看文本,文本就是 ai 生成的图像 prompt ok, 到这里我们前期的准备工作就完成了,现在开始训练模型,我给大 大家的下载里面包含这两个文件。先安装第二个文件,也就是拍粉,因为我已经安装过,所以这里是这样的,提示你们安装的时候把所有的框都打勾就可以了,安装就是全程下一步就行了。然后打开这个文件夹,右键这个文件,选择使用 pose so 运行, 就会开始下载部署所需的运行环境,这里时间比较久,等一下 much much much later。 部署好以后,在这里新建一个村营的文件夹, 在这里新建一个静香的文件夹,在里面再新建一个同名文件夹,最前面加上数字六,代表我们要迭代六次。然后把刚刚凹出文件夹里的图片汉文本全部放进来,右键这个文件使用文本编辑器编辑。 这里的猫豆是底模型,选择一个你喜欢的就可以把底模型放到这个文件夹里面,注意文件名 一字,这个穿云 data 就是我们刚新建的竞相的文件夹,尺寸跟我们的图片保持一致最大。训练我们填二零 network game 我们选三十二,记住不是越大越好。真人模型我觉得六十四就很好了。 这里是你模型的名字,我选择 jacks, 其他的地方不要动,点保存。最后我们在这个文件上面点右键,选择 power, 稍运行就开始训练了。 much much much later 训练完成,你将会在这个文件夹里面看到你的模型,这些就是生成的模型了。 下一期教你们怎么用吧,看看我们半个小时跑出来的结果怎么样。

拯救低险存炼单师在线网页版 lora 训练来了,你是否还在困苦于自己的电脑配置无法流畅运行 sd 和炼丹网页端? sd 海意 ai 目前已上线在线炼单功能,无需下载任何安装包级文件,打开网页即可训练。首先进入海意 ai, 来到 ai 模型界面, 点击创建数据集,设置好名称和风格,上传炼丹图,上传成功后,来到下方可以自定义修改标签内容。由于预设好了新手通用参数,你可以选择直接开始训练,或者来到高级设置自行调整数据集处理好后就可直接开始训练了,需要训练的时间也不用很久,以视频中的训练集为例,三十分钟左右即可训练完成。 训练好的模型在风格一栏,你可以点击右下角在线绘画,也可以直接发布在海意 ai 网站。正好七月三号至八月三号期间,海意 ai 正在举行多个奖励活动,其中模型大师创新赛奖品包含四零九零、四零 六零 ti 显卡和丰厚奖金,更有模型师入驻福利,前二百名认证入驻的模型师值接领奖,不仅可以在线炼丹,还可以参赛赢奖,兄弟们此时不充更待何时啊!

今天分享一下 sable diffusion 落入辅助模型如何使用。落入最常用的功能就是对人物复刻,生成一个角色的同人图,还可以改变画风,像图中这种水墨风格也可以实现,还可以局部修复,像图中的手部问题 可以完美修复。那我们如何切换 lore 呢?点击 sd 生成按钮下方的粉色按钮,点击 lore 切换就可以了。想要下载的小伙伴直接在 c 站下载就可以了。

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。

大家好,我是空空,今天通过这个视频能让大家训练出自己的风格小模型 lora, 让自己从魔法师成为一个初级的炼丹师。训练 lora, 首先需要我们搜集最少五张到二十张相同风格的图片,那我们先去 made journey 里声称一组模仿兰花银结构的参数化建筑图片, 一共生成三组共十二张风格相同的图片。这里啰嗦几句,这那也是我现在的将 ai 应用到工作里的流程, 根据项目特征在脑中形成大概的前期方向,然后去用 meet journey 去通过描述生成一些自己偏向的风格,再利用 stable diffusion 的可控性形成前期的方案效果。有了需要训练的图片后,我们先来到 stable diffusion 的训练一栏,点到图像预处理, 我们将要训练的图片文件加入进复制到原目录框子里,再新建一个空的文件夹,同样把文件加入进复制到目标目录框子里。宽度高度呢?根据我们的图片设置一下,因为我们搜集的图片都是正方形的,所以长五百一十二,宽五百一十二,可以不改。 下面勾选一下,生成 tag, 点击预处理,等待一会便可以了。我们这里十二张图片大概一分钟不到的时间预处理完成了,可以看到它自动为每个图片生成了一些关键词 tag。 下面我们关掉 stable diffusion, 进入正式的训练环节。这个呢就是我们的训练包了, 这里感谢一下秋叶大佬分享的训练包,制作的非常方便易用,这个训练包如果大家需要可以评论区留言我分享给大家。 第一步,我们新建一个文件夹,训练的路径呢,最好不要有中文字符,所以我们暂且给他命名为 train 文件夹,这个文件夹呢就是放我们刚才预处理过的图片与 tag。 第二步,双击进来以后,我们再新建一个文件夹,这个文件夹同样引文名,随便取一个便可。 第三步,我们在这个文件夹里再新建一个文件夹,这个时候命名就要注意了,就不是随便命名了,要用数字加英文字符的下划线加上个文件夹名,这个数字大以可理解为训练的词 次数区间在五到八之间,这里我们命名为六下划线 jack randus。 第四步,我们把刚刚预处理好的图片和 tech 全选复制进来。第五步,我们用记事本打开 train ps e 这个文件,设置一下必要的训练参数。首先是设置训练的底模型,我们来到 stable diffusion 的根目录,来到放置大模型的目录, 选择一点五版本的大模型作为我们这个训练的底模型,我们把这个大模型拷贝进来,相应的这里的名字也改成一致的名称。训练的路径设置上,我们把刚才新建的文件夹的名字复制过来, 宽高设置上依然保持与御处理一样的数目,五百一十二乘以五百一十二。下面这些参数跟着我先这么设置就行了,有的数据不是越大越好。 最后来到模型保存名称。最后是命名,希望训练出来的 loret 名字命名跟之前的文件夹一致即可。这个随意训练好的模型呢,会存放在 output 这个文件夹,这个是我之前训练好的,先把它删掉,做完以上的 设置,我们保存这个文件,关闭第六步,也是我们的最后一步,鼠标右键选择使用 powershow 运行,这样就启动我们正式的训练了。这个时间呢需要大概半小时左右,我们快进一下,可以看到每隔百分之五记录一下,每隔百分之十保存一个过程模型好了,当出现穿云飞那时的时候,就表示我们训练完成了。 我们把训练出来的 laura 放到对应的 stable diffusion, 存放 laura 的位置,打开 stable diffusion web ui, 我们试一下刚炼单出来的新鲜 laura。 ctrl net 新建的画布,选择涂鸦模式,随手画个顶盖与柱子的这么一个东西,再随手丢几个关键词进去, 通过右侧中间的红色按钮,选择好我们刚才训练的 laura, 暂且全中,给到仪看下其他参数没有问题后点击生成。 不试试看看效果。 好了,今天的炼丹教程就到此结束了,祝大家玩的开心!

大家好,我是小欠揍,咱们又见面了,这集呢,咱们来以我的亲身经历聊聊关于如何训练出一个长得像而且泛化性强的 low 模型。本来呢,我是打算中间加更一期的,因为我家领导啊批了预算,让我升级了一块四零九零,而且更换了电源和内存。 于是呢,我就想把开箱的视频和安装的过程录下来给大家分享。但是呢,我的素材录翻车了,我想录个双击位的, 用嘴叼着 gopro 拍主视角,但是因为角度啊调小了,就基本都没录上,而且在接线时,我还把 pcie 的供电接到了 cpu 上,以至于啊,完全不能开机,把我吓个半死,以为电源坏了。 总之,经过一番的折腾,终于是能用了,我现在的配置如下,感兴趣的朋友可以和我 我交流沟通。对了,插一句,我之前用的是秋叶一月二十三日那个视频下面发布的训练器,感觉啊,对四零九零的支持并不好,按照网上的教程,把什么什么文件放到什么什么文件家里提升也不大,但是我下载了五月二十八日那个视频里面的训练器, 速度就有了很大的提升,所以推荐大家在升级显卡后重新下载这个训练器来用。那下面就正式进入今天的正题,开始我们的真人 low 模型的训练吧! let's go! 训练呢,有四个步骤,我简要说一下, 一是准备训练级,二是打标签,三是调整参数,四呢是模型的测试。这里边我认为最最重要的是前两项准备训练级和打标签,之后呢才是 单数的调整和模型测试,作为类比说明呢,就相当于前边两项啊,是你在准备考试的参考书, 调整参数呢,是对于这本参考书的学习过程。而最后的模型测试就是咱的期末考试,下面咱们逐个分析一下每个步骤的要点。首先训练级的准备,要准备三十到六十张特别清晰的分辨率高的照片, 其中呢要包含这个人的正脸,侧脸,不同的表情,不同发型,不同服装,不同角度,不同姿势。 景别呢,就要选用有肖像半身像,全身像,远景全身像呢,最好有十张以上,这样生成的全身像的崩的几率啊,会降低人物的动作呢, 不能对脸有遮挡,你把脸挡上了也没什么可训练的对吧?身体姿势最好一目了然,别特扭曲,用常见的姿势,要不然 ai 读不懂。关于尺寸呢,很多人啊,都推荐大家去网站批量裁剪,就是这个网站, 其实我推荐大家用 ps 一张一张的去剪成你需要的尺寸,通常根据你的配置是五幺二乘五幺二或七六八乘七六八。 这里呢,我事先准备了我的训练集给大家可以看一下,哎,是漂亮的小姐姐,把它放大一点。这是我之前拍摄过的一组模特的照片, 为了做咱们这个视频,我已经取得了模特小姐姐同意,可以用来给大家讲解这个模特的训练。 自己处理图片的好处呢,就是按这个尺寸去裁切的时候,把他脸上的一些小的细纹啊,都去进行一些修改。 不过呢,我的建议是可以适当的稍微留点,这样会让训练出来的模型啊更像一个真人,而不是那种鸡蛋清一样,整张脸都是特别油腻腻的那种感觉。 背景呢,要尽可能的简单,你也可以像我一样,把每张图的背景都涂成白色,这样方便 ai 的学习。我们放在这个训练器下面有一个 tree 门店夹, 在里边新建一个文件夹,把它命名成你要做的这组模型的名字。我们是叶老师的模型,所以叫 miss 叶,把它打开, 再新建一个文件夹,就是这个前面是数字,然后是下横杠 miss e, 这个五是 repeat 的数字,我们一会会学到哈,这里暂时填一个五吧。这里面就是刚才这些图片,下一项是给刚才处理好的这些图片打标签。 在这个秋叶的训练器里有一个 w d 一点四的标签器,这里有个路径就是这个啊,演示一个, 把这个复制粘贴过来,然后点启动就可以了。像我这里面的这些文件,就是已经打过标签的文件了,他们都是这种 tst 格式的。我的建议呢是要在打标后非常仔细地检查,每个单词是 在图片中都有对应没有打上标的元素呢,要自己手动的添加,直到把整张图片的元素都精准的描述进来为止。而且同样的东西,比如说一个帽子,同样的衣服,前后的标签的名称要一致。我用的方法是这个,给大家演示一下, 用这个叫 vs code 软件打开, 把整个文件夹都打开, 然后左图右文自动换行打开,这样我们就可以根据左边图片上面的内容精准的去描述,有不合适的或者不精准的及时修改。这个过程啊,肯定是非常考验人耐心, 真的很枯燥,但是这个是特别有必要的,这就像呢,期末考试的参考书,这里边图片和打标的质量就影响着你这本参考书的质量,你想想,要你拿来学习的书都有问题, 你也就别指着期末考试能考出好成绩,对吧?所以啊,一定要特别特别认真的对待。那第三项就是各种参数的设置, 也就是你要选择的学习方法,我们不断优化调整学习方法的目的呢,就是为了让模型在泛化性和拟合度之间达到一个相对的平衡。 在这个训练器里,有新手和专家两个模式,根据我几十卢训练下来的经验,只要你训练级和打标这两步做得好,参数设置 不是很离谱的情况下,两个模式都能训练出还不错的模型,起码像是肯定能保证的,但具体泛化性如何?确实呢,还是要在参数上费一番周折的。下面咱们来详细说一下常用的参数。首先是训练用的底膜, 我还是上一集的观点,建议大家使用完整版的模型来进行训练,我们把它的路径放到这里,数据集的路径呢,是这个,也就是咱们放图片的这个位置, 把这个路径填写进去就可以了,不要填后面那个数字杠的那个哈,那是他的下一集,直接填到这一集就可以了。正则化呢,我们今天不讲用不到,就先略过。正面图片的 尺寸呢,我们就填写图片剪切的尺寸,我这组图片是五幺二乘五幺二的,所以这里如是填就可以。 a r b 筒呢,打开之后可以用不同尺寸的照片来训练,不过我这里边是统一尺寸的,这里就不打开了。 模型保存的名称呢,就像我这样保存就可以。 v 五呢,就是我的第五个版本,大家可以有自己的这个系列哈。 oppo 的文件夹默认 格式就还是 safe tensors, 目前这个最好, f p 十六半精度模型就行,每 n 轮 e park 自动保存一次模型我选一,也就是他每一轮都会单独保存一个模型。 这个原因呢我后面去说。下面就是训练的相关参数了,我们先说第一个,但这个参数没在这个界面里,它叫 repeat, 在这 这里,这个数字代表了这个文件夹里边的图片,它每张学习几遍是这样。下一个是 epoch, 代表训练的轮次,也就是说它整体会学多少轮儿,因为温故而知新呢,所以每次学习都有新的感悟。 我们的模型 los 值会越来越低,如果循环了 n 多轮,你的这个 los 值都没下降,就说明你的 repeat 有些低了, 以至于很多知识点啊,没有学明白,重复多少轮都没有什么太大的意义,就像你的这个知识学不会,你复读多少遍都没有什么太大的意义。 下一个是 batch 批次,可以理解为啊,把参考书分几份,同时学分的份数越多呢,学的越快,但同时会更加的胡敦吞枣, 是 los 值的下降会变得更加的缓慢,而且呢更加耗费显存。常规显卡呢,建议一到四,我的四零九零呢, 可以做到六,大概会占二十三点五个 g 的现存。这里呢,我给大家提供一个总的学习步数的公式 就是总部数等于图片数乘以 repeat, 乘以 epoch, 再除以 batch。 然后我就邪恶了啊,我想法比较多,就是如果让他除不尽会怎么办,会不会就直接嘣就报错, 但是我后边实验了一下,发现他会自己添加几步,让这个数变得除的进,哼哼,所以他想的比我聪明的多多了啊。下面是学习率和优化器的这个设置。第一个 learning rate 总学习率在下面,两 学习率分开设置后,它这个值就失效了,所以这里我们不做讨论。下一个是 unit learning rate 学习率,它主要对于照片的学习, 我推荐大家用一一复四这个数。下面这个叫 text encoder learning rate, 他写的中文叫文本编码器学习率, 我们可以将它理解为对于关键词的学习理解能力,我常用的数字是五亿负五,我也推荐大家用这个。下一个是学习率调度器的这个设置,他默认的是 cosine with restart, 用这个就可以了。 总的预热步数呢,就可以用之前咱们的那个公式乘串那个数字乘以百分之十填写在这里就行,可填可不填哈,重启的次数就是前面这个 restart 的次数,默认填一就可以。 下面是优化器的设置,我们打开看到啊,特别的多, 我们使用这个亚当 w 巴比特就可以了,这个就是常规使用的哈。下面两个不用填, 网络设置里呢,主要填这两个, network, theme, network, alpha, 两个我都填一二八之后,剩下的这一些特别多的这些我们都不用管它, 把上面设置好后,直接点,直接开始训练就 ok 了,那不同的参数对于训练的模型有什么影响呢? 我们可以用一些比较有代表性的参数啊,实操一下,看看同样是每张图片三百步的迭代,什么样的参数更有效率。但分别是这 repeat 三十乘以 epox, 十,三百除以一还是三百, 一百乘以三,五乘以六十,十乘以三十,他们都是三百步。我们就按照刚才的这个方法,把上面这里的这个 epok, 还有这里的 repeat 都改成相应的数字 训练即可。为了节省时间呢,我提前给大家训练了这四个模型,是不是想的特别周到,来把周到打在公屏上,分别是这四个,这第五个,咱们之后说啊,我们把它分别打开看一下, 十个模型,三个模型,六十个模型, 三十个, ok, 和这个是对应。好的,我们来这里看一下他们的训练曲线。 可以看到啊,第一个十个 epoc 的就是这个,这是第一组三个的是第二组这个绿色的。第三个六十个的是这组紫色的。 最后一个三十个 epoch 的是这组橘黄的。我们可以看一下他们的特征哈, 这组绿色的下降的最快,这组紫色的下降的最慢,而且最抖。大家可以猜一下哈,一会训练出来哪一组的模型,它的拟合性和泛化性最好。可以把这个答案打在公屏上,咱们测试是这样做的, 我先打开这个常规的界面哈, word 正向关键词写这个,反向关键词写这个。 那我讲一下关键词啊,第一个 say for work, 他不会出现一些特别播不出来的这种的图片。 one girl, 一个女孩好理解银发一点三,因为银发这个关键词它上色不是很容易, 相对我们用 pink hair 和什么 green hair 这种会更好上色。对于他的泛化性的这个测试呢,还是用银发更合适,所以我加强一下他的权重。 用金属盔甲呢,是因为它和我们常规的衣服差别比较大,所以用这两个关键词能更好地测试出这个模型它的泛化性如何。 反向关键词是这些,我把正向和反向的关键词都写到一个文档里,上传到网盘中,大家如果有需要可以在下面简介里面自行下载即可。下边的参数咱们迭代写三十高一点。 采样方法,写这个 d p m 加加二 m carros 之前我记得这个采样在这个位置,可能是因为用的人比较多,所以这次更新就把它放到了前边儿。 这些修复呀什么的都不打开,宽度和高度就按照剪切的这个尺寸去填就可以总批次填四吧,其他的不变。这个 additional networks 打开一定要勾选启用模型,就选 则你要测试的这一组,比如说 version 一有好几个嘛,对吧,我们随便挑一个就行。 下面就是脚本 x y z 图表 x 轴的类型,就选一个附加模型一,后面什么都不用填,直接点这个小黄的书 就都出来了,这个无要保留,他就是为了给我们一个参考,告诉我们没有 lower 它是一个什么状态。网格图边框填实,这样会让每一组图片之前啊有一个十像素的空白,方便我们去 观察这个图片点生成就可以了。凡事都想的这么周到的,我呢一定为了节省大家的时间,就又提前训练了,我们看一下啊,先打开这个 v 一, 这个是没有 lower 的一个情况,第一组,第二组刚才那个白线就在这能看到吧,基本上在这个第三四组的时候就开始出现黑头发了, 对这个银发的泛化性在这组里并不好,而且可以看一下盔甲,这边盔甲就已经不怎么穿了,但真正长得像的看一下哈 向的比较靠后,但是靠后的它的散发性就不行,所以这组应该就 pass 了。你看后边基本就不穿盔甲,也没有银发了。 下一个 vrvr 上来这组这件就没有穿盔甲,你看这张就没有穿盔甲,这个基本上就没有什么盔甲了,银发也没有保持的很好,所以学习了一百步, 就是 repeat 一百的。这组应该第一组泛化性就不高了,不过还是像的哈,就证明他拟合度还是可以。还要下一组哇,下一组这么多,做了六十个 epoq, 我们基本上在第二十多组 还能看到比较鲜艳的这个银发,大家看这个十九二十, 但是他前面几组都不像,都像外国人,不过前面的这几组确实泛化性都非常好,银发和这个盔甲也都是正常穿的, 我自己判断这个模型做的好坏的方法呢,就是放到 ps 里面打对勾,这组应该是这个和这个能打对勾,这组可能像多一些,一二三, 就把后面的都打上对勾,最后可能会有这么四五组吧,就是他们的对勾数会比较多。之后在这里呢,把像的那组,比如说像刚才那个是第三组 图片里这些打对勾的第十八组,第十九组保留,其他的就都不要,这样让他再去生成九张, 九张的这个画崩的几率就会更低一些,所以就能更好的判断出哪组模型更合适。看一下下面一个,下面一组是有三十个模型的,但是我们可以看到 基本上到这头发都黑了,里面呢很像那个外国人,可能第六个,第八个可以分别试一下,所以你看他出现像的模型的迭代的这个轮次,第八轮好,刚才那个是第十几轮,所以我们还是希望他能用一个小步快走的方 去进行一个模型的学习。我不求你前面很快就能像,但是你每一步都有一个新的迹象,哪怕多走几步, 最终也是会有好结果的。我为了做这个呢,做了一个表格,就是把其中的这些参数都做了一个记录, los 值,他的参数等等的,方便我自己后期去查他的这些参数你们可以看见啊,他的步数都是九千九百,因为三十三乘以三百出来是九千九百,他的时间也都差不多,五十一分,五十二分, 五十一分,五十三分,大概都是这样的,所以我们应该基本可以确定这组里面这个 v 三出现好模型的几率会更高,但是他时间太长了,所以咱们刚才有一个参数没有用,就是 batch, 这个都是一,我们这里呢试着调高这个 batch, 调到六,又做了一个模型,也就是刚才咱们大家看到的威武的这个魔性啊,我们可以看一下他的曲线是什么样的, 哎,明显威武也是下降的非常陡,都是六十步啊,你看他们都是六十步,也就是说这个紫色这条线的这个这些模型呢,是在从这块到这个数字之间的这个区间切了六十片, 然后这个呢,就是在这个到这个区间切了六十片,肯定相对来说这组切的要更细。我们看一下这个模型,他的设置和第三组几乎是完全一样的,除了 bass, 所以他们的步数一个是九千九,一个是一六五,零,用时呢也少了非常多, 一分四十七秒就完成了。我们来看一下他的测试的样图,也是到二十多张的时候,还能看到他穿着盔甲,并且还有银发,前面也是你合的比较慢, 到后面就像的越来越多,嗯,尤其这张多像,这张也挺像的,然后盔甲都是一直穿着的,头发也颜色非常的浅, 效果和第三组应该说没有什么太大的差异啊,我甚至觉得他更好,因为你看他的这个泛化性其实是更好的, 所以我说一下结论啊,我认为从样图可以看出来,让我们的 repeat 降得尽量的低, 让 epoch 尽量的多,让 batch 在尽可能的情况下更大,是我个人认为训练一个真人模型比较好的参数,也就是小步快走,在更小的 los 值的区间里,尽可能的多生成模型, 这样我们撞到好模型的几率会更高。所以结论就是,我认为从拟合度到泛化性,再到我们的用时时间长短都是最后这第五组。而且在此呢,我要跟大家聊一下,就是真人的模型训练真的是一个玄学, los 值不是越低越好,每组图片的情况不一样,图片和人物简单,你的初始 los 值就会很低,所以只要特征项淡化性强,这就是一个好的模型。希望大 大家也可以多多的进行训练,来找到更有效的方法。如果找不到合适的素材进行训练呢?可以试着去买一些电子版的绘画模特素材,可能会有奇效哦。 以上就是我对于真人 low 模型训练的一点小小心得,希望能和大家多多交流沟通。喜欢的朋友呢,欢迎点赞转发投币,多多留言与我互动。那这集就这样了,下集我想和大家聊一下现阶段 ai 绘图在工作中的具体应用,或者你有什么想了解的可以告诉我, 希望视频对你有所帮助,咱们下次再见了,拜拜!

哈喽,大家好,今天给大家强烈推荐秋叶大佬的模型训练器训练 lura, 超级方便快捷,他不需要我们自己去配置环境解压即用, 从打标签到 laura 的训练,再到 tenciple 的分析数据,一个界面全部解决,非常的方便快捷。我们来看一下它到底怎么去使用。我们先把这个关掉,等会再去启动。 首先我们要去下载这个模型训练器的压缩包,我会提供给大家,然后你下载好了之后进行解压,这是我提前解压好的这个文件点进去,进来了之后你要先进行强制更新,就是这里 这两个点其中一个都可以,然后下边这个是国内加速双击,它就可以自动的进行更新了,那我这里是 已经到最新了,所以他没有进度条,你更新好了之后,这个就可以关了。关了之后接下来我们要去准备底膜,就是你想在哪个模型上去训练我们的 lora, 然后这里我去下载了一个 sd 一点五的这个模型,然后我把它复制, 然后回到我们的这个模型训练器的这个目录,然后找到它的 s d models 这个文件夹点进去,我们把刚刚的那个模型复制粘贴到这里来。 复制好了之后,接下来一步我们是要准备训练集,就是训练素材,也就是图片,然后这个图片我是提前已经准备好了,这个图片呢尽量保持工整,统一分辨率,建议五幺二 乘五幺二这样的一个大小。当然你也可以使用那种非正方形的一个图片,但是如果你的显存比较小,那你就老老实实五幺二乘五幺二这样的一个大小,这些图片素材呢?看你训练什么,如果你训练画风,那你所有的图片它的一个画风都是统一的。 然后如果你像我这样,就是训练人物或者物体这种,然后这些人物你就只能保持一个,不要有别的人物在里边。第二个,这些人物他的背景要单一一些,不要那么花, 嗯,如果你要精益求精,那你可以去抠图。第三个,这些人物尽量是那种多个角度的,这些图片效果会更好一些,这是图片的一个建议。那这些图片呢?我给大家去推荐一个批量裁剪图片尺寸的一个网站,就是这个, 这个我会分享给大家,就是这个地址,然后你点击这里,然后去上传,你就是截好的一些图片, 比如说就是这个图片,然后你再按 ctrl a 全选,把这些图片选中,选中之后再打开 他这里就选好了,当然我这里全是五幺二乘五幺二的,所以这个地方就不用再去设置了。当然如果你不是五幺二乘五幺二的, 然后举个例子,我这里随便说一个三六八,然后你可以看一下,他旁边就会出现这样的框,然后你可以拖动这个框去选取你想要的那个位置, 那么这里是一样的,那你就设置成五幺二乘五幺二,然后去拖动他的一个框,然后选好了之后点这里保存,这个保存好了 之后,他是保存的那个压缩包,保存好了那个压缩包你要进行解压,解压过后他就是这样的图片了,就非常的工整了,就是这样的图片,然后这些图片你要全选 ctrl a, 然后在 ctrl c 复制,复制好的图片你要放到这个地方来, 就是找到我们的模型训练器他的这个目录这边,然后找到 train 这个文件夹,如果你没有,你就建一个 train 这样的一个文件夹点进去, 然后在这里我们需要去新建文件夹,然后这里你要去建一个你这个图片的名字,我们就随便建一个,就阿尼亚吧,就是这个图片的这个名字,然后再点进去,我们再次要去建一个文件夹,这个文件夹它的一个名 名字就有讲究了,它是一个数字加下划线加这个概念名,然后它这个 我给大家去演示一下吗?比如说我这里的数字推荐就五到八,五到十,这样就差不多了,当然根据你的那个图片数量来哈,然后在下划线加一个概念名,这个概念名随便起一个都可以,比如说我还是起一个这个 啊安妮,然后这个名字就起成这样,这个数字代表每张图训练的步数,那我这里设置的是八,也就代表每张图 ai 都要看八次。我们再点进去把刚刚复制的图片粘贴到这里来, 这里一共是十三张图片,也就是说他每一张图都要看八次,十三张的话就 十八乘十三一百零四次,也就是说他要训练一百零四步,就是这样的。然后接下来我们要给这些图片打标签,那我们回到这个目录,也就是我们模型训练器的这个跟目录这里,然后我们再启动脚本,点这个 启动脚本,他会自动弹出这个页面,然后我们再点这个 w d 一点四标签器,就是我们要去打标签,我们要把刚刚的这个图片,就是这个 tree 文件夹里边,我们一直要进来,就是这个图片这里,然后我们要复制这个路径, 复制好了之后我们回到这个页面,就是这个标签器的这个页面,然后我们把这个路径粘贴到这里来,粘贴好了之后 其他可以默认不用改,然后我们直接点启用,然后我们就可以在后台看到它的一个进程, 好,这里已经识别完成了,完成了之后我们回到这个地方来,就是回到我们的这个图片这个地方,也就是这个文件夹看到没,然后他每一张图片后边都会更一个这样的一个文本, 就是文本文档点进去之后你都要去检查一下这里头有没有,就是说不需要的,不对的,比如说像这个 paper, 我就不需要每个里边都有 paper, 对吧?我就不需要有这个纸,当然你也可以删掉,那我这里就懒得去删这些了,只是给大家去做一个演示, 然后这些是他的标签。当然如果你想要一个那种触发词,那那种收敛词,那你可以用这个,就是我也会推荐给大家,就是用这个 就是这个批量打标的工具,然后我也会提供给大家。大家下载之后解压,就是这个文件我已经提前解压好了,解压好了之后点进去,然后一直点到这里,我们再点这个文件启动,然后我们点这里, 然后我们点第一个去上传我们的就是刚刚的那个图片, 然后我们找到我们的这个模型训练器的目录,然后找到 chain, 然后找到这个 on a, 然后就是这个文件了,就不要再点进去,我们点一下它,它这里就显示这个数字下滑线,然后这个名字 a near 这个文件,然后我们直接点选择, 选择好了之后,这里是总共的一个标签,就是他结合的,然后你可以把你不需要的删掉,就是这个, 那我就随便先删一删,就是你可以去检查一下你哪些标签是不用的,那你可以点中他,然后点这个叉就可以删掉了,然后除了这个,我们要去添加一个收敛词,对吧?然后你就点这个加号, 然后我们在这里去输入一个收敛词,尽量是那种中文拼音吧,就是免得跟我们的提示词有重复,就是这 块,那我们就输入小美女,然后零一这样的一个就是名字,然后这个地方我们把它放到最开始,就是 top, 就是最开始的这个地方,然后点 ok, 那么它每一张图片前边儿 这个标签前边都会有这样的一个收敛词了,你可以看一下,喏, 就是都会有这样的一个收敛词,看到没,然后放好了之后点这个,又是点这个,然后再保存 save, 保存它的一个改变,然后保存好了之后我们就可以删掉了, 然后我们回到就是这个页面,就是我们的图片的这个页面,我们点这个标签,你可以看一下 它每个标签前边都有个这个小美女零一这样的一个瘦脸词了,这儿就是方便我们去调用我们的 lura, 这个就是这个收敛词,这个标签你可打可不打,就是这个只是方便我们调用 nora 而已。 然后好了之后我们回到 lora 训练这个页面,这里有 lora 训练,你也可以看到这里是给出的一个建议,如果是新手的话,你就点新手就好了,如果你有一定的经验,他是开放了全部的高级参数的,那你就可以点下边的专家, 然后这里也有参数的详解,大家可以下来去学习一下。那我这里只给大家去做演示,我们就用新手这个,然后在这个地方呢,这个地方你就要去 去输入你的模型的名字这个地方,比如说我们刚刚的那个模型不是已经放好了吗? 就是在这个文件夹里边,然后它里头有一个 s d models, 这个文件夹点进去,然后这个就是我们的底膜,然后你要把它的这个所有的东西都要复制, 当然你也可以改名字哈,然后复制好了之后回到这个页面,然后我们这前边的这一部分可以保留,就是我们的那个文件夹,然后下边的这个我们要把这个名字输入进去, 然后这里呢它是 train 文件夹下边的那个训练级的一个路径,它是 train 下边的那个名字就可以了。然后同样我们是回到这个地方,然后找 找到 trin 这个文件夹,点进去,点进去这个它的文件名就可以了,不要再点进去了,就是这个 trin 下边的这个,然后同样我们把这个名字复制一下, 回到这个页面,我们把最后的 j 里改掉就可以了,就改成这个名字,它是寸文件夹夹下边的这个文件,我们往下看,这里是正泽化数据及路径,你没有你就空着,这个地方是你图片的大小, 你之前是什么大小,现在就是什么大小,我本来就是五幺二乘五幺二,那我就这里就不变了,这个图片的大小必须是六十四的倍数。呃,这个不要弄错了,我们再往下,这个地方是模型保存的名字,也就是你 laura 叫什么名字?那我就起一个安妮儿就是这个名字吧。 然后这里是你输出的 laura 模型,它的一个保存文件夹,它这里我们就默认不变,它是在这个地方, 我们回到这个页面,然后回到我们模型训练器的一个根部落,然后它保存的这个模型是在这里,就是它输出的模型是在这个 alt put 里边点进去,然后它就会保存到这里了, 然后我们回到这个页面,我们往下,这个我们等会再说。我们先说这个批量大小,这个批量大小他是代表每一次处理几张图片,就是一次性拿出几张图来训练, 嗯,建议一或者二,如果你的选存在八 g 以下的话,那就填一吧,就是这个效果要好一些。然后这个呢,他是跑的一个轮数,之前我们算了 一轮是一百零四步,还记得吗?就是图片那个地方,那么这里的话就是设置你要进行几轮,建议就十五到二十轮,就是效果比较好一些,当然你可以设置成十五,那我这里, 然后这里的十五轮,那总的就是十五乘以一百零四,也就是说总的要训练一千五百六十步,就是这样的。 然后这里呢,它是代表每几轮去自动保存一次模型,那这里你可以默认二,也可以五啊,这些都是 ok 的,那我就默认二吧,就是这个,嗯,再往下 这个学习率,嗯,作为新手我们就默认,就不用去管他。然后再往下就是这个,呃,训练预览图设置建议是不开启的,因为他会消耗 更多的显存托慢速度,就是这个建议不开启,然后这里的网络设置,然后这个地方呢,他不是越大越好的,就是说,呃,经常的一个数字是三十二、六十四、一百二十八,这个不是越大越好,你 三十二、三十二,就是这两个是比较多的,或者是六十四,三十二,就是下边的这个数是上边的一半,或者是相等,就是这样的,是比较多的,就是这个,那我们就默认三十二,三十二,就是这块, 然后下边我们也不动,就是作为新手,这些我们设置好了之后,呃,在这个地方我们可以点这个保存,就是我们保存我们比较常用的一些,就是参数,我们可以点保存,保存了之后我们这里可以读取,读取参数就是这里你可以看一下,这 是我刚刚保存的,你还可以设置一个名字,比如说我就设置为 test, 然后你就可以看到了,这里也是哦,现在这个地方才是我刚刚保存的,就是设错了,当然你还可以在这里删除,就是你不需要的一些参数, 还可以这里使用,然后预览设置名字都是 ok 的,然后你不想保存,那你可以直接点这里,直接开始训练,然后你就可以在后台看到训练的一个步骤了。 how? 这里已经在开始训练了,你可以看一下 how 训练完成了,他这里会显示训练完成,我是三张图片,一千五百六十步,大概就是六分钟的样子就训练完了。 完了之后我们按一下它出来的模型,就在我们这个地方,就是我们这个文件夹里边这个目录,你找到 output 这个文件夹点进去,那我们训练的这个模型就是在这里,他是每两轮就会保存一个模型,所以他保存了很多个模型,然后你都可以去试一下,看一下哪个模型是最好的,那我就试一下最后这一课,然后我们把它复制,就是这个复制复制好了之后, 我们把它存到 vivio vivoi 目录,然后找到 models, 然后找到 laura 这个文件夹,然后点进来,你把它保存到这里就可以了,就是这里我把它复制过来了。复制过来之后,我们回到 vivio i 目录,然后去启动 v b y, 好,来到这个页面之后,这个模型我们要改一个,就是二次元的模型吧, 比如说我就改这个模型,然后 ve 的话,我就用这个 ve 算了,然后我们这里提示词去输入一些比较简单的提示词,去看一看效果, 然后这下边的一些参数我就默认, 然后这里我们点这个粉色的图标,点它,然后我们去调用我们刚刚训练的那个 lara, 就是这个 anna, 然后点它之后,它这上边自动就会帮我们去调用了。当然你也可以用那个触发词,就是那个 小美女零一可以用这个触发词,然后好了之后,我们把这个搜一下,然后点这里生成, 我们可以看一下他生成的一个效果怎么样?好,生成的你可以看一下,就是训练的效果还是非常不错的。我们再点生成,或者是我们这里多生成几张都可以看一下效果。 然后生成的我们都可以看一下,就是效果都是蛮不错的,训练的还可以。好,今天的一个分享就到这里。

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。

上期视频我们演示了基于阿里云函数计算云端部署 stability future 的方案,但对于很多开发者来说,还有进一步进行模型调优或者使用 laura control net 等方法自定义模型风格的需求。那么本期视频我们就来介绍一下 如何通过阿里云继续学习平台派进行基于 several diffusion 的开发。操作也一样,非常简单,五分钟就可以上手,而且我们预制好了所有的代码和环境,还提供 v 一百、 a 十等机型的免费试用资源。接下来我们就开始吧,今天会分享两个方案, 一个是快速拉起思路 diffusionwib ui, 适合刚入门或者想要快速体验 ai gc 的开发者。另一个是结合口哈药工具进行思路 diffusion 微调训练和服务部署的方案,适合想要实现模型定制风格并且有 生产级的 ai 绘图需求的开发者和企业用户。首先我们来体验一下一分钟快速部署 stable diffusionwip y 的实验过程。我们先来到阿里云官网,进入阿里云积极学习平台派的产品控制台, 选择模型在线服务 p e s, 接着点击部署服务按钮,在这里呢,服务名称可以输入你自己起的名字。 部署方式选择镜像部署 ai web 应用,镜像配置可以参考画面里的选择, 其他的配置项都保持默认。在资源信息这里,一般选用 gpu 就可以,因为派 es 现在有免费的试用活动,我们可以选择免费机型里面的资源,这里的 a 十或者 tc 都可以,我们随便选一个。最后点击部署,回到这个页面,我们可以看一下服务状态,显示绿色就说明已经部署好了。点击查看外部应用,就能看到我们刚刚部署好的 stable destruction web ui 服务了。在这里我们可以输入一些 prompt, 我这里直接复制粘贴一段,准备好了,这里是正向的指令,这里是负向的指令。 底下的这些配置和参数可以按需填写, 然后点击生成就可以出图啦。啊,我们可以看到这批一共出了六张图,很可爱哦。 那么到此为止,快速 拉起 s c y b y 的方案就演示完成了。但怎样可以让 a i 画出更好看的图呢?除了苦练 prompt 技能以外,还可以通过微调 s c 的方式让模型学习特定的风格。接下来我们就进入第二个实验结合口哈亚工具进行 s c 微调和部署。 我们还是在拍 es 控制台,点击部署服务,给这个服务起个名字,部署方式选择 aiv 应用 镜像版本,选择一点零模型配置,这里需要挂在 o s s, 选择合适的 o s s 八 k 就可以了。 注意这里的是否只读选项,需要选择否, 其他的配置都保持默认。在资源类型这里建议选择 gpu 卡片下的 gu 三零机型,这个机型的性价比会更高一些。如果你领取了免费试用的话,也可以选择试用活动里的 gpu 机型。最后我们点击部署就可以了。 部署完成以后,点击查看 web 应用进入口哈牙界面,点击 dreamboat flora, 选择 folders 配置相应训练文件, 最后点击吹 model 就能启动训练任务了。在拍 e s 的服务日志里,我们可以实时查看训练进度。训练完成后来到 o s s 的控制台, 在配置的模型目录中就能找到刚刚训练得到的 lower 模型。 我们可以参考实验英里的步骤来部署 s d web u i, 在模型配置环节进行自定义设置和模型挂载修改运行命令,这里可以按照屏幕的提示来修改挂载目录,需要和模型配置中挂载路径的最后一级目录保持一致。 接着选择 gpu 机型之后点击部署,就能用刚刚训练好的 low 模型来出图了。 这些都是使用这个方法跑出来的图,可以看到效果还是非常好的。对于有生产应用需求的设计团队和企业客户来说,派的这套方案可以满足对性价比和灵活度的需求。当然,如果你是习惯使用 note 开发界面的硬 和开发者,也可以通过派 dsw 来进行开发和训练,里面有丰富的模型和教程可供选择。同时派快速开始也支持 sable、 diffusion、 辣妈兔等热门的模型进行低代码使用。 另外还需要注意的是,如果不需要使用了,一定要回到派控制台停止或者删除实力 只关闭页面是没有用的,还是会持续产生计费的哦,所以不用就一定要记得关机。然后刚刚实验里提到的派 e s 和派跌 w 现在都有免费的试用活动和丰富的教程,欢迎大家前来体验。 以上就是基于继续学习平台派的 sd 云端开发部署方案,完整的文档教程和相关链接都会在简介当中放出来。 下一期我们将介绍如何在 gpu 服务器上搭建 sd 外部外框架。无论是需要快速出图训练专属模型的个人使用者,还是需要完全从底层开发自定义模型的企业用户,都可以关注一下。 如果对今天的操作演示有任何问题,也欢迎在视频下方留言,我们会第一时间为大家解答。

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!

来,我们继续上次生成的一堆模型对不对?我们来看看这些模型怎么检查并使用。我们把生成的这些模型全部复制,然后粘贴到 ic 的插件目录里面去。 a 三胜所有的插件都在这个文件夹, 找到这个 networks 结尾的文件夹,打开里面的 model 文件夹,打开牢牢文件夹,粘贴到这里就可以了。打开 stable defusion, 点开 additional networks, 刷新一下模型列表,你就会在这里看到刚刚放进来的模型,随便选择一个,然后启用。点开下面的脚本,选择 xyz 图表 x 九,选择附加模型,一点一下后面的小说图标,其他的模型就会出现。 外轴选择附加模型一权重,外轴只写零点六,零点七,零点八,零点九,注意要英文逗号,这里是为了测试不同权重的效果。把宫格图边框设为十,然后填上关键词,我就 简单写一个女孩,加上基础词,然后就可以生成了。 much, much, much later。 考完以后你就会得到这张图,会显示你的所有模型在不同权重下生成的效果。横坐标就是你的模型名称,重坐标是不同的权重,我们就可以直观的看到哪个才是我们需要的,比如这个一堆马赛克的,我们直接 pass 掉。 我们可以看到零点六和零点七权重的都不像了,零点八和零点九就开始有那位了,依旧会更好,就可以得出最后的模型。零点八以上权重效果最好,那其他的模型就可以删掉了,以后生成图像的时候记得权重高一点就行了。

我是真的发现有很多人都不会学习,就拿训练 lora 来说吧,有一个学生想要训练这种衣服类型的 lora, 但是他实在是不懂这些参数该怎么样子的设置,后来就找到我,我一听啊,这些东西还需要自己想吗?这种参数我们找点成功案例抄一下不就行了吗?所以本条视频主要是来讲解如何看懂每一个 lower 的数据,而且将他们运用到实际的训练流程里。 首先借回刚才的话题,让我们先来看这一个 j k 服装的 laura, 鼠标放到它上面的时候,会发现上面有一个红点, 里面是一个感叹号,我们点击他的话,就能够看到 laura 训练时候的各种参数。通过第一个参数我们就可以看到他训练这个 laura 的底模是这个 stable diffusion 一杠五的模型, 然后它这一块的参数,它也就是你 lower 训练包里的这个位置的参数, 比如说他这里是七六八乘以七六八,那这个地方也是七六八乘以七六八。而且我们要知道他这个地方的参数呢,他并不等于你每一张训练集里面的图片的大小,真正的训练集里面图片的大小 我们在后面会提到,然后他下一个训练的参数是等同于训练集里面图片的张数乘以每一张图片训练的次数, 训练节里面图片的总数。这个地方大家都很好理解他这里的每一张图片训练的次数,他是在这个位置,我们可以看到是有一个一百五,然后下划线比上一个 jk 制服,这个一百五就是每一张训练集里面的图片,他训练的次数,每张图片训练一百五十次,我们可以用计算器来计算一下,他这里是一四四零零除以每一张图片训练一百五十次,一百五 他等于九十六,就说他训练级里一共是有九十六张图片,我们可以往下接着看,他下面这一块的格式可以看出来都是左边是一个词,右边的是一个数字,中间是用冒号相连。他这一块的意思是说左边 左边的像这些什么,呃, jk 什么什么,还有白色的 jk 什么的,他这块是给这些训练集里面的图片打的标签, 右边呢是这个些标签,比如说这一个词,他一共出现了三十四次,因为我们刚才算出来,他整个的训练级是九十六,也就是说九十六张图片,他对应着九十六个不同的标签文件, 那也就是说这个词在九十六份标签文档当中出现了一共三十四次。那么下面这些词呢,都是可以用刚才的逻辑去推理, 比如说这个黑色的 jk 群,这个词一共出现了十次。我们继续往下看,这些都是给训练集里的图片打的标签。 呃,下面这个地方,这个地方的参数大家都很熟悉,他是说两张图片 一起进行训练,这个地方的参数就对应着训练包里面的这个参数,就是批量大小。然后我们往下看,这个地方他也是有一些像素或者说图片尺寸的设置, 那么这里的图片尺寸的设置跟我们最上面的看到这个地方七六八乘以七六八,这两个地方有什么不同呢?让我们回到这个训练包, 我们可以看到训练包里面是有一个训练图片的分辨率的正面一样一个设置,然而我们在处理自己的训练集的时候,有时候并不会把每一张训练集里面图片的尺寸设置的一样,也就是刚才我们看到的七六八乘七六八, 也可能会使用其他尺寸的图片进行训练,那么这个时候你的捞绕训练包就会将 将这种其他尺寸的图片进行一个处理好,让这种图片不至于过大。那么我们回过头来再看这一块的参数,像这一块的数据就是记录了你训练集里面其他尺寸的图片的情况, 比如说我们可以看到这里是六十四比上二五六,那就是说有一张图片的尺寸是宽六十四,高是二百五十六的一个尺寸, 然后下面有一个这个参数,然后他比了一个三百,这个意思是说像这个比例的图片, 他加起来一共训练了三百步,这是什么意思呢?由于我们刚才在这个地方就可以看到他其实每一张图片是训练了一百五十步,然后呢 刚才是在这里看到了三百步,所以我们可以用三百除以一百五就等于二,所以我们就可以知道这个尺寸的图片,他在样本集里面一共是两张,下面每一个参数都可以这样子进行理解, 然后这一块的参数他又可以在训练包的这个位置能够对应的上,然后可以看这里,这里我们可以看到有一个一百五,然后比上一个 jk 制服,下面是给了两个参数,一个是 repeat 一百五, 然后还有一个是图片的数量是九十六。呃,我们还记得我们刚才在最上面的这个地方计算过一个数,就是幺四四零零,除以一百五,正好是等于九十六吗? 所以说在刚才我们看到的这个地方,这个地方他就是说图片的总数是九十六张,每一张图片训练一百五十次, 这里就跟上面那块我们能够对应的上,然后下面的这些参数其实就是非常的简单,因为每一个参数我们都可以在训练包里面找的到,比如说这里有一个 cable 头跟子,他这里写的是无, 呃,那么在训练包里面他对应的就是这一块的选项。呃,无就是说零嘛,也就是说他这里没有一个特定的触发词, 如果你用过这款 lolo 的话,你就会记得它里面的出发词是非常非常多的。那么这些出发词呢,其实就是跟我们上面,我们在上面的这个地方看到的词是 是能够对应的上的,然后还可以再往下看,这里有一个最大的训练步数是七千二百步,然后就是我们每一次训练都觉得很难设置的一个学习率, 在这里也都能够看得到。比如他这里设置的就是零点零零零一,然后他文本的学习率,他是在这个地方设置的是五亿负五,然后在下面我们还可以看到他设置的优化器,他在训练包里面呢,对应的就是这一个。 如果你想训练一个服装类型的 laura, 为什么不去抄一些已经成功的 laura 的参数呢?因为这些参数已经能够得到验证了, 我们可以一开始根据这些已经成功的 lower 的参数进行一个训练,然后在第二遍训练的时候,可以根据训练的结果从这些上面 进行一个微调,这样子的话我觉得才能让我们训练的模型更加的优秀。其实不光是服装类型的 lower, 我们比如说训练人相关的 lower 的时候,也可以照抄他们相关的参数。 这个捞儿我觉得很神奇的地方就是他的 d m 的值设置成了一百十八,而这个模型的阿拉法的值同样的设置成了一百十八,但是这个模型的整体表现力其实还是不错的, 所以我是觉得从这些参数里面我们能够看到一些真的很有意思的地方,他能够打破我们常规的一些思路。那么以上呢,就是今天的全部内容了, 大家在训练 lower 的时候,真的可以参考一下这些 lower 的参数,作为自己设置参数的依据。