这次我们为你开枪的是一款最新的克洛克时期训练模型,可以看到模型的细节做工非常的细致,这个空舱挂机按钮是固定死的,这里的扳机转轴跟真的一样,采用的是金属。这里的防滑纹磨具细节做的很棒,这里的铭文和纹路也很细致。 由于这款模型并没有拆卸功能,因此这里的滑道拆卸扭是空缺的,不过释放弹夹倒是很流畅,跟真枪一样的手感,并且包装内即赠送另一个弹夹。而且仔细看弹夹的细节也是做的很细致,用来练习换弹夹非常舒服。 再来看看这个扳机,完全复原格洛克的扳机保险结构,不同时压下扳机中间的小舌头是无法扣动扳机的,而且当你压下扳机的时候,才会发现这款模型最棒的特点, 因为他的扳机重量是跟真枪一样的石重。 这是一款 gripmaster 该情况下最重的九磅智力器,实际对比来感觉重量几乎没有差异,看来买了这个模型,这一百块无利器的钱是可以省下了。 不过这款模型的上滑套是无法拉动的,还好就是基本上格洛克不像九二,是不太需要练习快速上膛的。然后我们来对比下其他的训练模型,这款是我们以前推荐的格洛克训练模型,相同的是滑套都是固定死的,这个扳机的重量就是毫无重量, 并且由于这个硅胶配重弹侠的问题,根本无法练习快速换弹侠。 我们再来看看这款九二蓝色训练模型,他用来练习快速换弹侠也是非常流畅, 同时他的特点是滑套是可以拉动的,并且扣动扳机是可以释放击锤的,可以练习快速上膛,不过扳机重量上还是很轻。然后我们来对比下这三款模型的重量, 这把最新的格洛克为四百三十四克, 蓝色九二的重量为四百三十一克, 蓝色格洛克的重量最重为五百六十六克。 好的,对于这款模型我们是非常的喜欢,即使无法拉动滑套,但并不影响我们另喜欢 弹弹侠和快速出枪,并且由于扳机是可贵的十种设计,为我们省下了直接充电器的成本,整体感觉很顺手,开摩尺寸也跟真的克洛克一样, 使用标准枪套,插入和拔出都基本手法。 并且官方还包装中加送了一套瞄准练习把,包括 ipsc 和 idpa 的标把,甚至还有人质把。黄色的标把可用于练习快速出枪瞄准整体确实不错, 而且价格还比上一代蓝色格洛克便宜。穿戴侠套装的版本仅三百九十九元。除了这款灰色,颜色上蓝色和地梵尼蓝共三款选择,这款绝对是市面上最好的格洛克训练模型。
粉丝5.1万获赞24.4万

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。

呃,大模型就是微调大模型,用 rora 和 q rora 啊,然后进行微调这个大模型的一个实践啊,这篇文章的话呢,也是很有价值的啊,那么 这个老外啊,他大概做了几百次的这样的一个实验啊,去微调这些模型啊,微调他他他是微调辣妈臭的这样七币的一个模型, 他这次主要是介绍的是罗啊的这个微调的这个方式和量化罗啊 q 罗啊的这个微调方式,我们一起来看一下啊,这篇文章还是非常有价值,大家一起来读一下。首先呢还是来介绍了一下这个罗啊啊这样的一个微调的这种方式啊,他就给了这张图,我觉得这个也是比较重要的,这这这张图里面啊, 有一个输入一个 x 的一个,呃,一个矩阵啊,通过一个预训练模型啊,这个模型就是我们需要微调的,他会得到一个 h 的这样的一个呃,最后的一个输出啊,呃,罗拉 微调的话其实是一公里啊,用一个小模型去啊,他不是调这个欲训练模型本身的权重,他是用了两个模型把它给叠加起来,有两个权重叫 wa 和 wb 啊,这个两个权重组合成的这样的一个小模型啊,这个小模型呢,他这个里面有一个啊啊, 这个是比较重要的啊,就相当于是一个矩阵的那个一度吧,这个是啊,那么他就是通过这样的一个小模型啊,加上这样的大模型去对齐你的这个下游任务,去更新你这个模型对这个任务的这个准确性啊,他是这样是一个最基本的一个原理啊, 那么这个基本原理里面呢,有几个罗拉,几个超参数是比较重要的,他后面也会重点会讲啊,一个都不老啊,在这啊,这个参数就是代表了这个,如果这个参数越大,那么就是代表了他这个模型就越复杂,这个小模型就越复杂。目前呢,原来的那个罗拉的论文里面讲的他等于八的话呢, 般情况是不用调的,他是足够了啊,他是啊,除非就是说你的训练数据是比较多啊,那么你训练的这个任务比较复杂,那么这个 ror 可以增加,还有呢是这个 alp a alpha 叫 这个值也是比较重要的,他是在这个罗拉里面,他是有个算数的啊,他这个里面是一个扩大器,好像是。看看啊,他这个里面有一个算数,他这个也是一个值,也是一个超参数啊,这个超参数也是比较重要的, 我们看看在哪里哦,参数,这个我就不讲了啊,这个是一个超参数啊,呃,这个超参数的话呢,就是建议啊,建议的话呢,就是是他的两倍啊,他这个后面会做了很多实验,实验的最后的建议啊,他是这个啊,数据的这个两倍啊,他会比较好啊。 japan 的话它是一个层啊,这个,呃,这个这个我们就不用去管它啊,那么这个是。呃 q 项量啊,这个是 k 项量,这是 v 项量啊,它这个啊,那么是否要通 投影啊?是否有什么多头啊?是否有 m m l p 的这样的一个那个那个这个这个,呃,这个这个是跟这个这个小罗拉模型,小模型的这个一个网络结构是有关系的啊,他这个那么默认情况的话呢?他们罗罗拉论文里面也是讲这样,他只要是设这两个 h 就行了,那就是一般情况 q 和 me 这个两个值设置为 two 啊,那么它基本上是性能是最好的啊。一般情况,那它这个里面因为他们做了很多实验啊,实验里面他,呃 你把 q、 k、 v、 o 所有的这个东西都弄出来,虽然,呃性能会很会不错啊,但是它有可能会呃准, 准确性会不错,但是他有可能会要求的这个算力就会比较高啊,所以一般情况他们用 q 和 me 加个值啊,就可以了啊,这个性能就已经不错啊,他得好啊,我们继续啊。这个是罗拉的这个模型的一个超参数 结构,到底应该怎么搭啊?这个我们简单解释一下,那么他这个项目里面呢,他是做了一些呃,评估,呃,他也有评估和数据值啊,他的评估的话呢,他是他主要是做下游任务,他主要是做了一些,呃算数啊,呃做了一些 q a 的一些回答问题啊,他 他主要是做这样的一个东西啊,这个是他的任务,他的数据集的话呢,是用 alpaca intercent 啊,然后进行训练。他这个是他数据集的大概的平均的长度,你可以看到啊,他他这个里面讲了大概在一百十个字符啊,一百十个 tokens, 五万个起立,五 五万条数据啊,他这个作为训练的这个数据队啊,五万条啊,他是这样啊,他给了个例子啊,大概讲了一下,就是写,写一个什么样的一个那个诗啊,他就讲了一下啊,这个是指令啊,那么这个是 input, 那么有可能是空的,也可能是个 output 啊,他这个是数据, 这个是辨别,辨别这个汤里面,比如说可以加什么啊,他这个里面啊,他就可以加什么胡萝卜好。他用的这个框架的话呢,他是用了一个开源的叫 late 杠 gp 机的这样一个开源的项目。那这个开开源的项,这个是他的网址啊,他这个项目的话是也是一个开源的,基于阿帕奇的这个 license 啊,他做了一个统一的框架,他可以去微调各种各样的模型啊,可以去微调现在比较流行的啊, mister 杠七 b 的这种模型可以微调辣妈脆弱的这种模型啊,他都是可以的啊, 这个是他的一些怎么用啊,就是怎么下载权重啊,怎么把它通过那个 transformer 的这个哈根 face 的这个这样的一个权重,把它做一个转换啊,准备数据集,再进行罗拉的微调啊,再把模型合并,合并完了之后再进行评估啊,他这个啊,他整对 还是比较简单的啊,插这个,嗯,好。那首先的话呢,他就,呃因为他这个,他这个框架的话,这些模型他都是可以训练的啊,配音啊,什么拉吗?这个十十三 b 啊, mister, 包括这个发一点五,这个微软提供的一个小模型, 呃,他都是可以进行训练的,那么这个呢,他是一个选择了一个 base model 啊,然后他做了一个评测啊,大概的打分的情况啊,那这次呢,他是选择了这个 拉玛兔赤壁的这个模型啊,作为一个基础模型,然后再进行罗拉的这个微调,他是基于这个来做,你可以,你你可以看到他有些他这个分数也不是很高的啊,他这个有些准确率不是太高的。嗯,好 啊,这个是他的超参数,我们前面已经讲过了啊,这个我们就不讲了啊。啊?这个要讲一下,就是这个超参数里面就是这个是跟你的训练的这个数据有关,他是用了五万条,这个是热身,热身一百次啊,他这个 好,我们看看啊,他使用的,呃,他们目前的话呢,是用一块 a 一百的进行训练的啊,那么他大概用到了二十一 gb 的这个内存啊,那么一点八小时就算完了啊。所以的罗拉模型的话呢,他比较小啊,他可以放在单块的这个 gpu 上进行算啊,像我们如果是用四零九零的话, 那么他二十四 gb 啊,他也是可以算啊,他也是可以算啊。啊,这个是他进行微调完之后的这样的一个结果啊,这个是他微调完,他一共是微调了三次啊,取了一个平均值啊,这个是这样的啊,这个是他贝斯兰,这个是没有微调的,他的这个性能微调完的,他的总体的性能 还是有所提升的,他数学的这个性能就不行,数学的性能就下降,你可以看到啊,其他的性能的话呢,大部分都是呃,有一呃只有这两个是上升的。这些问答啊,他是是上升的,那么大部分的问题啊,他都是 性能都下降了,那么就为什么呢?他他很明显他做数学下降的特别厉害啊,他这个里面也是讲这个跟你的这个数据集有关系啊,因为你原来那个 up 卡他呃这个数据集里面他对算数的这个训练集会比较少啊,所以的话呢,他他会丢失很多 能力啊,这个就是我们微调完了之后,你会发现他这个模型可能比微烂,原来有些任务会更差,这个就这个主主要的问题,这个是跟你的这个数据值相关啊,如果所以我们经常讲微调的话,你的数据值要均衡,都要能够对齐到你所有的这些任务啊,这样的话才行,否则的话他有些只是他会因为没有你的这个数据, 呃,训练的这个数据没有这个泛化的能力,所以他会性能会下降啊,这个是第一点,那么第二点呢,是他们也对比了一个呃,拉巴兔七币啊,这个是 ant 他们开源的,他们用 r、 l、 h、 f 啊,做了 微调的这样的一个性能啊,你可以看到他这个性能还是不错的,看这个性总体来讲他这个一些性能还是不错的,他们还是微调的,就是比较均衡啊,有些性能是下降,有些性能还是不错啊,他定是这样,所以的话呢,就呃你这个模型的微调还是非常重要的,我们看看这个 q rora 跟 rora 的这个区别啊。 qlora 的话呢,它主要是节省内存啊,节省内内存你可以看到如果我们前面用 lora 来训练的话,是二十一个 gb 就可以了啊,但是用 qlora 的话,它只要十四个 gb 的内存,就是十五 gb 啊,不到啊,它就可以了,但是它训练的时间会更长啊, 这个是有得有失的啊。如果我们对有些模型啊,他需要比较多的内存,我们只有一一块卡啊,那么这个时候我们就可以用 q rora 的这个,这种是量化方式去训练啊,那么但是呢,他需要更久的时间啊,那么如果是用 rora 的话呢,他需要的内存会更多一些,但是他的训练 会更快一点啊,这个是用 be fruit 十六位的这种方式啊,那你可以看到啊, rora 跟 q rora 的话呢,下降精度是有所下降, 有些任务啊,他是进度下降,有些任务他是准确率还上升了一点。我看了一下啊,这个也是比较奇怪的,所以别人说那微调像炼丹一样,你这个数据集进去,你不知道他会练出一个什么样的一个结果出来啊?这个这个也是有一定道理。好,那么接下来的话就会用了一个呃,所谓的一个优化的一个算法啊,他之前这个用的是 aw 的这种优化器,后来呢,他又换了一个叫 s 基地的这样的一个算法啊,他去看看,通过这个优优化,优化器的作用主要是去控制这个学习率啊,因为你越调到后面的话,你的学习率要降低, 他等于是这样啊,否则的话,他这个啊,他他他他就不能就是收敛啊。目前他测下来,其实这个, 呃,这个方法和这个方法差,差别不是太大。呃,这个包括内存啊,包括准确度啊,差别都不是太大啊。这个他大家可以看一下他这个数据啊,差别不是太大,这个数据上升,主要还是他用了这个 quira 的这样的一个方式好。 那么接下来呢,他是想就是把这个数据啊,如果我重重复的去迭代多次啊,那么是不是他的准确率会上升呢,那么这个准确率是下降啊,恰恰相反,因为,呃,他是过礼盒了啊,他把这个数据又 repeat 了一次啊,你会发现他大部分情况 他的准确率是下降的,所以呢,我们的这个数据的没必要,他这个实验告诉我们就是没必要反复让他去迭代的去训练啊,他会过离合的啊,反而对你的整个模型的精准度是不利好。那么他接下来他又做了个实验啊,他主要是用罗拉的这个全餐啊,进行全餐,进行这个调油,全餐的话就前面讲了,他把 q、 k、 v 这些参数啊,都把它设置为处啊,它的这个网络结构啊,比较变得比较全面啊,看看它这个性能是不是比较好啊,那么你可以看一下啊,它这个就是全仓的啊,性能确实是有所提升,当然也有下降啊,大部分是提升了 啊,特别是这个数学题目啊,提升还是比较明显啊,所以的话,对一些复杂的一些东西,可能你呃用一些那个全餐的调优,可能是是比较好。 它这个时刻我们是这样讲第二个的话呢,它就是增加了那个 are 啊,这个 rank 啊,就我们前面讲的这个 rank, 默认它是八啊,它就增加到十六啊,我们看看它的这个情况是怎么样 增加到十六的话呢,他会发现这个准,有些这个准确度上升,有些准确度是下降。他他他是这样有好有坏,嗯,他除了调大的这个 rank 的这个值之后呢,他又调了一个,嗯, alpha 值,他把 alpha 值 又翻了一倍啊,那你可以发现,哎,两个调过之后,他的准确度,呃,大部分是上升的,所以是你调这个啊,和调这个 offer 值啊,他是要同步的,他是两倍,他这个性能是最好的啊,所以他就得到了这样一个结论啊,内存的话呢,变化也不是太大啊,变化也不是太大啊, 调整啊的这个数量的话,对内存消耗和依赖都不是太大。那他尝到这个甜头之后呢,就把这个啊和阿尔法就反复调, 反复调上去。那你可以看到,就是对有些任务来讲啊,他调上去的,他的对准确准确率的提升是并不大的啊,有些 甚至是下降啊,对有些来讲,特别是对一些复杂的一些问题来讲,哎呀,你看到一些数学问题,他把这个阿和阿尔法提升的话呢,他的准确率会快速上升,甚至达到百分之八十,很神奇,他这个很神奇啊,大部分情况呢,你把阿 增加和阿尔法增加,他的准确率大概率会上升,他是这样的一个情况,那么如果他再上升,他上升到五幺二幺零二四,对吧?和二二零四八的话呢,他这个就不能收敛了,所以他他这个上升,他也是有一定的这个 极限值啊,他目前测下来的,目前他这几个任务就和啊等于五幺二,这个阿法等于这个啊,等于二五六,阿法等于五幺二,这个两个超参数设置啊,是最优的。 他为了验证这个东西,他又把这个阿尔法直接设成一啊,那么他的精准度立刻下降,他等于是这样,可可稍微对比一下,你可以发现他的准确度肯定是下降啊。好,所以我们就哎得到了这样一个结论,这个结论你用 lora 的这个模型的话呢,包括 q lora 这个二等于 offer, 是啊,的两倍啊,他这个是最好啊,他这个对这个模型是最有利啊,他这个地方他就讲了一下啊,你可以看到这他 qloorr 二五六 对吧?幺零对,有些时候他这个还是像便当一样,就有些不太可控啊,像这个时候阿尔法等于五幺二最好,那这个任务级的话呢,他有幺零二四会比较好啊,所以的话,他这个,他这个 人工智能,他就是这个啊,他这个地方就会比较大啊,所以需要他要去实践的啊,他根据不同的任务值要做各种各样的评测,去修改他的超参数啊,他其跟你的那个训练的数据啊,是比较密切相关的啊,所以如果我们要做微调,他最后的结论就是,第一,你的数据值一定要好啊,你的数据值要均衡,要分类要多啊, 这个是比较重要的。第二个数据集,呃,你这个数据的话不要重复的训练啊,重复的训练会过你和啊,这个不利于这个在超参数上选择的。一般的话呢,就是啊,等于八就够了啊,除非你练的这些任务,他的推理能力特别复杂,那么你可以把这个啊提高提高到一定程度,那么相应的你要 修改这个阿尔法的值啊,一般情况是两倍啊,那这个时候的话,这个数据是最好的啊。呃,然后他也他在这个实验当中呢,也跟我们讲了罗拉跟 q 罗拉的话呢,他的呃准确度啊,你这个两种方案其实你都是可以选择啊,那么罗拉他的性能会更好一些啊,但是他需要用的那个 gpu 的内存会多一点, 但是它的性能会更好。但是 quillora 的话呢,它可以把你训练的这个 gpu 的内存显著下降,但是它的那个算的时间要比较多啊。呃,我们是要去取舍的啊,甚至是 quillora 的话,会对这个 这个模型微调的精准度会有所下降。还有一个他在论文里面,他这个实验室里面也讲你选择这个学习率的这样一个优化的办法,其实对你这个微调啊,基本上是没什么影响啊。好啊好,这篇文章跟大家就介绍一下,主要还是讲一下一些大模型微调啊,用 q rora 或者 rora 的这种方式做微调啊,那么他的一些实验啊,他应该怎么做一些最基本的一些概念啊,然后别人的一些事件经验。好吧,好,今天就跟大家就聊到这。

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。

今天主要是来介绍下捞软模型的安装和使用技巧。首先来看下 stable diffusion 模型有哪些模型总共有两类,一类是主模型,一类是微调模型。 首先看下主模型,没有这个主模型我们是跑不出任何图像的,所以它是必备的。 还有一个 v a e 模型,配合主模型使用的,一般是内置在主模型里的,它也是必备的。 还有就是微调模型,又叫小模型,小模型是指从大型模型中截取特定的部分,虽然其能力不如大型模型完整, 但是由于训练方向的明确性,小型模型在生成特定内容时表现更加也更加精准。常见的小模型有 embedding hyper network, laura, 还有 dream booth。 dream booth 由于其训练后与大模型作了合并,可看作大模型,所以说除了主模型以外,其他的模型都是主模型的拓展。 这个视频主要是来讲最常见的 lord 模型,我们先打开 c, 站在模型类型这里,选择 lord, 可以看到有好多的 laura 模型, laura 主要是人物特征的训练,比如汉服真人,还有一些画风的训练,比如这个莫心,这次试试这个盲盒模型。进入到这个界面可以看到一些关键信息, 一、模型名称。二、下载。三、模型类型。四、触发关键词。五、这 这里是模型版本,有的模型会有好多版本。六、这里是模型发布的作者写的使用方法和注意事项。七、下面是网友分享的图。 八、还有这里可以看到图片右下角有一个感叹号,我们点击这里就会出现生成这张图片的信息,有关键词,采样,迭代,部署,还有 model, 猫斗就是作者使用的主模型了,因为训练 laura 模型需要选择主模型,所以 laura 使用最好,可以配套主模型, 当然也不是绝对的,可以多多尝试生成不同画风的图。那怎么找到这个主模型呢?我们复制这个模型名字, 在搜索框里搜索一下就可以看到这个模型了,进去点下载就好, 我们来下载一下这个盲盒模型,下载好了要把这个模型放到 wabui 跟目录猫豆里的 laura 文件夹内, 回到 wabui 界面,刷新一下这里的 laura 模型,可以看到我们刚才下载的模型已经出现了,现在来使用一下这个 laura。 我们回到刚才下载那个界面,把它的关键词复制到 wubui 里,所有参数和作者的一样。 选好主模型和 v a, e, 点击生成看下效 效果,可以发现和作者生成的图一点也不一样。我们来看下这是作者使用的 laura, 然后我们把自己下好的调用出来,这里单击一下就好,这里可以看出作者使用的和我们下载的不一样,所以要给它替换一下。 在生成下看下效果,可以看到 laura 已经生效了。 接下来我们自己尝试不使用作者的关键词,输入描述画面质量的关键词, 引用这个 laura 生成一下, 这里会发现我们 laura 都引用了,为啥还是生成的 不太一样,那是因为没有使用触发词。回到 c 站可以看到作者写了触发词,我们复制这个触发词,回到 y b, u, r 粘贴进去生成, 可以看到 laura 有效果了,这里还可以使用别的 laura 给它混合一下,我们使用一个八重神子的 laura, laura 后面的数字就是代表的权重越高越像,我们在使用时,权重最好不要超过零点九, 生成一下,看下效果,发现基本有一些特征了,我们再调高一下权重, 这次就更像了。 laura 最大的乐趣就是混合, 大家可以多多尝试。

大家好,今天给大家分享三个劳尔模型,那么第一个呢是这个皮肤劳尔模型,用这个劳尔可以将我们的人物的皮肤皮肤纹理进行一个真实化的一个劳尔神图。通过这张照片呢,大家可以看到我们一般 生出来这种比较光滑的这种人物脸的照片呢,会加上这种脸部粗糙感而形成一张比较真实的照片。那么第二个要推荐的劳拉,就是这个 暗光源 lra, 也就是在夜晚灯光下照射我们图片的这个 lra, 用上这个 lra 呢,可以将图片进行一个夜晚灯光的这种显示效果。那么第三个给大家分享的这个 lra, 就是啊将我们的眼睛,比如说我们的眼睛有问题,那么我们可以把人物的眼睛给 用图中图遮罩,遮罩起来之后呢,专门在描述词里面我们加上这个眼睛细节重绘的这个 lora, 我们给他设置参数,设置参数呢,我们要设置的低一些,如果太高的话,我们的眼睛会变得更离谱, 变形的更畸形,所以说一般那个设置的低一点零点五或者更低一些,零点二,零点三都行的,而且这个重绘幅度呢不要太大啊,如果重绘幅度太大,零点七五以上的话,那我们这个眼睛变形的也是很厉害的。好了,就是分享这三个 啊乱模型,那我给大家展示一下这三个模型的使用效果和操作的细节。首先呢我们在纹身图里面填好描述词之后,然后这里面我加上了一个关键的一个提示词,就是这个高细里结的一个皮肤的一个提示词, 还有这个全部锐利权重为一点二的这个提示词,然后后面使用了两个 lora, 一个 lora 呢就是我们这个皮肤纹理的 lora, 还有个 lora 就是这个夜晚灯光的这个 lora, 皮肤纹理的这个 lora 呢,我使用的是零点三,而这个夜晚灯光的 lora, 我使用的是一下面反向提示词呢 啊,不做要求,按照你的是按照你要生成图片的那些标准呢,你去自己去填写反向提示词就可以了。采用方法呢,我使用的是这个 dpm 加加 sde 的这个步数啊,是按照我们这个 checkpoint 模型的这个 模型需求的步数设定的。然后呢下面我们使用了高清修复,高清修复我用了这个四成加的这个放大算法,放大倍率呢, 给他使用的是一点八,你使用二也可以重绘幅度,我给他使用低一些零点三八,好,下面就是我们固定一下种子,给他生图就可以了,然后生出来的图呢是就是这种夜晚灯光的这种效果, 可以看到是半碗的效果,我们可以看一下我们的这个人物皮肤还是比较光滑的,那么我们的这个纹理皮肤纹理的 lora 呢?没有凸显出来他的特性,那我们可以继续将这个皮肤纹理的 lora 给他加大一些,比如说我们给他加大零点五或者零点六七以上, 让我们来看一下效果,那么它的效果呢?我们可以看到那人物脸上的这些痘痘啊,还有啊凹凸不平的这些纹理已经显现出来,还有我们这个胳膊的这个上面啊,可以清 细的看到一些毛孔,还有一些粗,还有一些粗糙的皮肤。好,我们来到这个真人的这个图片里面,当我们把这个皮肤纹理的权重加大之后呢,可以看到他脸上多出来的痘痘,还有一些毛孔。 好了,那么这个皮肤的这个 lora 和这个夜晚灯光的这个 lora 啊都给大家看到效果了,那么下面我们来看一下我们这个 啊图生图,我们眼睛重绘细节,来看一下它的效果,那么我将眼睛呢给他定义为这个红色的眼睛,然后我们来重绘眼睛的细节,我们可以看到这个眼睛呢没有变成红色, 但是呢他稍微泛一些黄,因为我们这个真实人物图片呢,这个大模型 逼真人物,他没有这个红色眼睛的这个这种图片啊,在我们的原始模型里面,他就生不出来那种红色的真实眼镜,但是他可以生出来蓝色的眼睛,我们去看一下啊,当我们把这个眼睛呢给他定义为蓝色的眼睛, 他是什么样子在下面呢啊,大家要注意一下,要把这个重绘区域呢给他限定为解蒙版就可以了,然后其他参数保持不动,那么这个图片呢就是使用了蓝色眼睛的图片,当我们将这个眼睛细节 lower 的 给他定义为权重唯一的时候,大家可以看到我们的人物的这个眼睛呢细节呢就变就已经崩掉了,他的眼睛呢就变得非常的畸形,非常的奇怪,当我们将这个权重降低降到零点五以下,零点五以下,那我们可以看到我们的人物的眼睛呢稍微 犯一些蓝,我们整个眼睛眼睛就变得正常了。好了,那么今天的这三个 lola 呢,就给大家分享到这里,如果大家觉得这三个 lola 有用,或者是有需要用到这三个 lola, 那么请为我点击关注加三连啊,我们下期再见!

我这里的 lora 训练是用的秋叶佛祖的整合包,我也看了佛祖之前的 lora 模型训练教学,但还是有一种无从下手的感觉。我是小白中的小白,所以之后又花了很多时间慢慢摸索, 如果你也是小白,可以继续慢慢看下去,一定能练成你的第一个模型。首先要准备二十张图片,分辨率最好一样,我这里都是五百一十二乘五百一十二的图,然后再到上一层文件夹,新建一个文件夹路径不要有中文,我这里是 ga 和 gb。 然后启动启动器, 点击上面的训练, 点击图像预处理原目录放有图的基业文件夹的路径,目标目录放没图的 gb 文件夹的路径 宽高设置成和图片一样,我这里设置为五百一十二乘五百一十二,然后点击最后一个,使用 debris 生成标签,然后点击预处理, 几秒之后就行了,出现这个就说明是成功了,然后可以把启动器关闭了,可以看到我的击毙文件夹已经出现了 png 和 text 文件,然后运行 lora 模型训练包的 a 启动脚本, 点击。新手,我们先看第一个底模路径,底模路径就是基础模型的路径,基础模型就是这个 stable diffusion 模型,点击打开文件夹, 然后再找到 lower 一键包的 sd models 文件夹, 把基础模型复制粘贴到这里面就行了。大家可以看到这两个的文件名是一样的,这个就是我复制过来的, 然后注意把底膜路径的名称换成你的模型文件名。然后第二个是训练数据及路径,把我们刚才的 gb 文件加放到这个路 镜里面,这里大家注意看好我的路径。这个五开头的文件夹就是刚才的击毙文件夹,因为我看秋叶佛祖的是这么改的,说是数字加概念名,具体我忘了,我这个文件夹五后面的英文意思是活机的意思。 然后再回到 lora 训练界面,第三个政策化,不用管,第四个分辨率改为图片的分辨率,我的是五百一十二乘五百一十二。然后是第五个模型保存名称就是你训练之后的 lora 模型,名称可以随便写,建议全字母 好了,然后下面的全都不需要动了,都是佛祖设置的,默认的我也搞不懂。然后直接点击,直接开始训练 窗口支撑, 这样的说明正在训练,耐心等待训练完成就行了。 训练完成后, lower 模型就会出现在 output 这个文件夹中,现在这个 lower 模型就训练好了, 大家可以试试自己的模型看怎么样,如果还有不懂的地方,欢迎评论区交流,如果对你有帮助的话,请一定要给个三连或者一个赞也行,这将是对我最大的鼓励。我将持续更新关于 a 二绘画相关的视频,关注我,我们下期再见! 哇,我手!

很多小伙伴下载了 lol 模型文件后,不知道该如何使用,今天我就向小伙伴们介绍三种 lol 模型的使用方法,希望对大家学习斯 dabo defusion 有所帮助。 我们以这个 lola 为例,下载后的 lola 文件放在这个文件夹下,然后在 step defusion 中刷新就可以看到这个 lola 模型了。 这时是不显示捞佬的缩略图的,我们可以复制图片到捞佬文件加项,并改名为捞佬模型的同名 png 文件,再次刷新就可以看到模型的缩略图了。如果感觉捞佬的缩略图叫小,看不清,可以在设置中找到附加网络, 将附加网络默认视图修改为卡牌视图保存。设置后再次刷新就可以看到 lola 的卡牌是排列。在使用 lola 时,我们可以在提示词中直接输入监括号加 lola 加冒号加 lola 名称加冒号,再加数字加反间括号的格式来引用 lola, 这个格式是固定的,其中的数字代表 lol 风格的权重。第二种方法是直接点击 lol solo 图,这样 lol 就会以固定格式显示在提示词框中,权重默认为一。如果想取消这个 lol, 再点击一次 solo 图,引用 lol 的提示词就会消失。 第三种方法就是利用 stable defision 中的可选附加网络捞捞插件,在这个插件中可以设置最多五个捞捞模型,并分别设置权重,使用时一定要记得勾选启用。 需要注意的是,这个插件的模型存放的文件夹并不是 m o d e r n s 八 x s r r a 文件夹,建议大家在设置中 将可选附加网络 lola 插件的默认文件夹修改为系统默认的 lola 文件加目录,这样我们就可以统一 lola 的存放目录,方便整理和使用 lola 模型文件了。综上三种方法,并结合我个人的使用经验, 推荐大家在使用单个捞了模型时使用第二种方法,可以做到方便快捷。而在使用多个捞了模型时,在使用可选附加网络捞了插件,这样能够更好地控制不同捞了所占的权重及风格。点赞关注加留言,每天学习一点点 sleep defusion 知识与大家分享!

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。

玩过 aa 绘画的都知道,模型是可以融合在一起的,只需一个模型就能实现多个模型的效果,还能减少模型之间的互相污染。想要合成模型,需要用到 lower block weight 和 super murder 两个扩展,在扩展这里自行配置即可。 也可以,我的粉丝群给你安排上,首先 lora 模型一共有十七层,有的层负责控制人物,有的层负责控制背景和画风。这里如果同时使用小人书画风 lora 和人物 lora, 就会导致人物被污染的情况,只需启用 lora block weight。 然后在小人书画风 lore 后面输入冒号和十七个零到一的数字,并用英文逗号隔开,表示对应分层的权重。把控制人物的分层权重调低,保留背景和画风的分层权重。 同样的方法,把人物 lore 中控制背景和画风的权重调低,保留人物的分层权重。再次点击生成就可以看到人物和画风很好的融合在一起。 打开 super murder, 点击 laura 选项,分别勾选要融合的画风 laura 和人物 laura。 在下面的预设框里复制刚才设置好的分层权重,预设, 在对应的 lower 后面输入冒号和使用的预设名称,由 lower 模型之间用英文逗号隔开,不需要括号。设置好新模型的名称,点击融合即可。 使用时只需调用我们新融合出来的 lower, 就能同时起到多个 lower 的效果了。注意,模型融合前要检查模型的维度值,如果维度不相同,就要像我这样选择维度,先把模型转换到同一个维度,之后才能融合。我是局大,分享更多 a a 干货!

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。

十月四个效果超赞的 stabody fashion lore 模型推荐!第一个,巧克力大神的遇水神通模型,从此你的人物可以控制水元素,效果也是相当的炸裂。第二个,乐章五步曲冰盗梦空间的极致感有没有,无论配合二次元或者真实系大模型都有不错的表现。 第三个,古风绘画模型亲测,与国风插画大模型搭配使用,能有效放大你的瞳孔。第四个,暗光模型,顾名思义啊,黑暗中的一道光,在人物摄影海报领域有不错的应用空间。四种模型以及每一种 lower 模型的使用指南我也给你打包好了,还要什么模型,评论区告诉我。

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,我是班哥。上一期视频大家对 lore 非常的感兴趣,那么这次应大家的要求,给大家带来一期从前期的选图到打 tech, 然后训练 lore 以及后期的深图,一镜到底 的一个视频,希望大家能够学会如何去训练自己的 lower。 那么废话不多,我们进入今天的正篇,那么训练的第一步,首先我们就要来找到适合自己的图片, 那么这次我们寻找的是这最近某一位特别火的大师的一些建筑照,然后我们需要注意的是, lower 的模型训练并不需要太多的照片数目,所以,呃,最好是精,而不是要多, 所以我们就找个六七张就可以了。那么我们, ok, 下载好了照片之后,我, 我们需要把它进行 sable diffusion 里面进行一次预处理。 ok, 那我们把下载好的这几张图片拷贝链接复制到我们的处理的文件夹里,同时我们勾选上下面的呃,生成标签以及过大裁剪,然后可以看到他已经开始处理了,然后这时候注意到他的输出文件夹是我们自己新建的一个文件夹, 然后可以看到他已经在下面生成了我们的 tag, 可以看到这里 tag 非常奇怪,那需要我们重新进行呃,自己手动写一下,然后这里一个比较反直觉的事情就是他,呃,这里的 tag 并不能和我们的,并不需要和我们图片上的一些特征相关,他 仅仅需要一些泛泛的代表角度,或者是你告诉他这 architecture facade detail 的一些情况。那么然后我们准备好图片之后,就上去云端选一个我们适合的机器,这里我们呃填写 lora 可以搜到这个镜像,然后我们进去了之后等待它进行配置。 ok, 配置好了之后,接下来的一步就是比较关键的, 我们需要安装一个小插件,然后这个程序是可以进行我们的网络云端以及我们本地的一个连接操作。然后可以我们可以复制他的 呃一些端口到我们的下面的注视上面来进行分别的拷贝。如果这一步有不懂的话,可以看前一个教程啊,其实这个就是让我你跟着我操作 做就可以了啊,可以让我们连接到我们的云端,让我们的传输更加的顺滑。然后我们打开 jupiter lab 这里我们先把我们的 lower script 文件夹拖到 t m b 里边,这样保证我们的磁盘空间充足。然后我们打开啊,可以发现我们的右侧现在已经与我们的本地连接上了,所以我们现在需要呃把我们的 low 训练模型所 呃作为基础的大模型进行一个上传,然后这里我们选择的是 v 一点五的这个 s d 模型。 ok, 那么我们就稍事片刻,稍等之后等他上传完了,我们就来训练我们的 lower 模型,那么现在我们已经上传完了,可以看到在这里面已经有了 v 一点五的这个大模型。然后我们下一步就需要去呃进到我们的 lower script 的文件 夹,可以看到这里面有一个呃 train 的文件夹,然后我们在 train 的文件夹里面新建一个叫 d c, 这个 d c 也不重要,是我们自己的模型的名字。然后这个文件夹比较重啊,前面有个数字下斜杠 啊下一杠,然后 d c, 然后这个数字代表着我们这里面与数呃,与图片数量进行相乘,然后再乘上一个 batch 数,得到我们最后训练的步数,这里啊数字越大,也就是代表我们后面训练步数越多,一般我就填二十。然后这里我们需要改一下, 我们点进 train 到 s h 这个文件,我们需要改一下相关的一些参数。首先就是上面的大模型的一个路径,然后可以看到我们的大模型,我们是叫呃 v, 一点五点 c, k, p t, 然后这里我们复制它的名字进到这里,然后我们把它的 呃路径名称改为呃 v, 一点五点 ck p d, 然后我们需要把 train 的这基于的图片的文件夹进行修改,这里我们只要选择这个 train 下面的 d c 这个文件夹即可,并不需要把下面的二十杠 d c 给反映上去。 然后接下来就是改他的模型的名称,然后改完输出模型名称之后,我们就把将它进行关闭保存,然后这里回到最初时的 lower script 界面,我们在程序里面输 batch 空格 train dots s h, 然后这里他就可以开始训练了,然后我们就等待他训练完成即可,这时候我们可以注意到他已经开始训练了,然后啊走的非常的慢啊,可以看到他每经过一段 段时间就自动保存成一个模型,这里他是在 train 到 s h 这个脚本里面进行修改的,这里面我们啊之前的默认参数是保存成五个模型,这样的话可以从前到后啊,每训练一段时间就有一个模型进行保存,可以看到这里已经有了,然后我们把它下载下来。 ok, 我们下载好了之后就把它拷贝到我们的本地的文件夹里面,拷贝到 models scone laura 这个文件夹里。然后我们就尝试试验一下这个训练的效果怎么样。我们在 reno 里面随便拉一个提块,然后导出一张 j p g, 这时候我们在这里面随便写一个 tech, 呃,随便写写一个 prompt, 然后我们下面选 enable control net 进行一波操作。这个都是大家都很 很熟悉了。呃,用 m l 四呃 m l s d, 然后进行它的预处理,然后这时候我们需要注意,我们需要把 low 这个窗口打开,选择我们刚刚训练好的 d c, 然后可以看到这里有个数字,有个括号,然后这个数字代表它强度,所以我们把一调零点八,避免它强度过高。 呃,然后 ok, 然后他就已经开始生成了,可以看到效果蛮好的。 ok, 蛮好的,确实他下面还有一点倒影的感觉,还是挺有氛围感的,基本上把我们刚刚输出输入进去的六张图片全部学到了。 ok, 挺好的。呃,那么这次的模型训练就是以成功而结束,那么训练 lol 的模型大概就是这样。可以看到这张图片其实还是蛮有细节的,很像一个展览馆,而且非常像刚刚那位大师的风格。 感谢大家的观看,希望大家已经学会了如何去训练 lora, 那么请大家不要忘了一箭三连,如果有什么希望我接下来继续去做的,可以在评论区留言, i'm okay, 谢谢大家的观看,下期再见!

大家好,我是爱江子,今天我们继续 stable diffusion 的入门教程,第四期, lour 的教程和使用本视频关于 lura 几个重点都总结在视频末,大家自行保存 lura 可谓是声明在外,很多初学者就是知道 lura 的强大之处才来了解 stable diffusion。 话不多说,我们直接进入正题。 lora 英文全称 lorancad patient of large language model, 执意为大语言模型的 dj 适应。举个简单的例子, lora 就是一个过滤器,比如你想要汉服,那汉服风格也有许多种, 这时候只要通过漏拉模型,我们就能准确的生成想要的汉服服饰。漏拉第一个功能,对人物和物品的复刻,只要用了漏拉就可以百分之九十九的复刻,指定人物的特征。漏拉第二个功能就是可以训练画风,比如水墨风,线稿风。漏拉第三个功能是固定人物的动作特征,我们看下例 子就懂了。打开 c, 站在右侧筛选中选择漏绕,就可以看到全部漏绕模型。下载完成后,放入根目录 models lore 文件夹中。老规矩,点开图标,打开 word, 点击使用即可。这里注意,每款漏 ra 都有匹配的触发关键词,一定要在提示词内写上。 这里我们就以这个盲盒手办模型为例,我们先来一段不带 lora 和触发词的,看下效果,这是正常的效果,我们再复制触发词和添加 lora, 选择 low r a 和输入触发词生成看下 nice。 需要注意的是, lour 这里一表示的是权重,有的模型需要选一,有的模型只能零点五到零点六左右,越高相似度就越近。具体查看每款 lour 的介绍, 关于漏拉的重点我全部列在这边了。如果你觉得本视频对你有帮助的话,请小爱心点点,我是爱江子,谢谢大家!

想给生成的人物穿上指定的衣服,或者给图片加入指定的细节,这就需要我们使用 lower 模型来对正常的画面进行微调。我们训练 lower 模型呢,都需要先安装 lower 训练包, 而且训练 lower 对于现存的要求并不高,只要不要小于六 g 就可以。本期视频呢,将带领大家正确的下载和安装星空大佬的 lower 训练整合包,为下一个训练 lower 的视频做好铺垫。首先我们打开屏幕上的地址, 将 low 训练包下载到本地,将它解压到一个合适的位置。这时候要注意放置我们的 low 训练包的路径必须要全是英文,而且每一个文件夹的名字里面不能有空格。然后打开我们解压好的训练包,我们找到 拍死双击打开,点击这个选项,然后等待安装成功。安装完成后,我们点击 windows 键,打开开始窗口,在里面搜索 powershale, 然后点击以管理员身份运行 之后 powershale 窗口会自动弹出。我们回到刚才解压好的训练包文件夹,打开安装说明,复制这一行文字, 回到刚才的 powsile 窗口,然后粘贴进去,点击回车,在弹出的选项里我们写入大写的 a, 然后点击回车,然后就可以把这个窗口关闭掉。回到解压好的文件夹,鼠标点击空白的地方, 然后选择在终端中打开,我们在打开的终端窗口里面写上大写的 cd, 然后把你解压好的文件夹的路径复制,粘贴到刚才 的 cd 空格后面,然后点击回车,这个动作是告诉系统接下来的操作,我们将要在这个路径里面完成,然后我们在下一行里面写上这一行字,然后再点击回车。大家要注意每一个字母都不能输入错误, 如果输入错误的话,他会报这种红名的错,我们重新输入正确的字符,然后再次点击回车。现在电脑自动的将一些必要的环境下载到这个文件夹里面,我们只需要等待他安装完成,按到进程结束之后,就可以输入这一行命令 来直接运行我们的 low 训练包上面这一块呢都是因为输入错了一些字符所以导致的报错这一块可以不用担心,我们输入正确的字符之后,他就会弹出一个网址,这时候我们可以按住 ctrl 加上鼠标左键单击 去打开它,也可以把这个网址直接复制到浏览器里面去打开弹出的这个页面呢就是 lower 的训练页面,我们可以看到上面的地址其实是和我们的 stable defusion 的地址是一样子的,所以为了我们能同时打开两个页面,需要我们返回到启动器里面, 在监听设置里面修改一下监听端口,我们只需要设置一个不同于七八六零的数即可,然后返回启动页面,点击启动,我们可以看到两个页面就能够同时打开了。以上就是整个 lora 训练包的安装过程,我将在下个视频里为大家带来 lora 的训练过程。

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!

如果想要调整画面细节程度,建议使用 detail tweaker。 laura。 细节调整 laura 这是一个用于增强或减少细节的 laura 模型。 它适用于各种基础模型风格 lora、 角色 lora 等,包括动漫和现实模型的风格种类,并且能同时保持原本出图的整体风格特征。好用程度五星 是一个放在哪里都能用上的一款模型。改了二的权重可以调整二到负二,负权重可以用来减少细节,正向权重可以用来增加细节。 想创作古风插图,我们推荐这一个风格模型老软名称,作者取自李白的诗句云想衣裳花想容,春风拂揽露华浓。 这个模型主要是使用 need 的一些中国风的图片作为训练级。但除了古风,这个模型画现代场景也相当优秀。在绘制完成,点击高清生图时,建议处理器选择 e、 s、 r 跟四 x。 使用这个模型时,建议权重风格不要太高,如果是零点九以上,可能会出现图片崩坏的情况哦。更多的效果大家可以亲自体验一下哦。 想创作真人摄影图,试试墨优人造人墨优人造人模型是一款摄影风格的写实模型, 无论是艺术照还是杂志摆拍、随手街拍都有着出色的出图效果。人物写实精度高,效果也很自然。手部的难点表现效果也相当不错,用简单的提示词 就能生成超现实的潮流时尚摄影效果,对新手十分友好。想创作儿童绘本,就用 kids illustration。 这是一个非常适合做插画和儿童绘本的模型, 生出的图片画面丰富可爱,既温馨的人物与色彩组合成一副副儿童读物的插图,并且这个风格 lora 也能与许多大模型融合。赶紧释放你的想象力,做出属于你心中的儿童世界吧! 创作卡通场景推荐 mcni 卡通景用这个模型可以创作出丰富多彩的卡通场景图。无论是现代建筑、科幻风格建筑,还是欧式小房子,它都有着不错的表现。不仅能画出单体建筑, 还能构成室内或者室外的场景图。总之,想画卡通场景类型,大家可以尝试一下这个模型,或许会有许多惊喜的表现。这些是他的触发词与注意事项。

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!