wordpress 网站改名,顺德网站建设价位,电商网站大全,电子商务做网站实训体会通过Lora小模型可以控制很多特定场景的内容生成。
但是那些模型是别人训练好的#xff0c;你肯定很好奇#xff0c;我也想训练一个自己的专属模型#xff08;也叫炼丹#xff5e;_#xff5e;#xff09;。
甚至可以训练一个专属家庭版的模型#xff08;family model你肯定很好奇我也想训练一个自己的专属模型也叫炼丹_。
甚至可以训练一个专属家庭版的模型family model非常有意思。
将自己的训练好的Lora模型放到stableDiffusion lora 目录中同时配上美丽的封面图。 plen_me、plen_vivi这两个是我训练的和家里人的模型_
这样就可以将你的Lora模型和其他Lora模型融合使用了。
再配上Controlnet基本可以将自己的pose特征融入到其他任何lora模型中。
【1】 下面我们看下如何训练自己的模型。
我的炼丹炉配置win10i7F4080
首先Lora模型可以通过lora-scripts 脚本进行训练。
仓库地址https://github.com/Akegarasu/lora-scripts
找个目录拉下来先安装sd-scripts子项目然后安装lora-scripts项目。
敲黑板重点看下sd-scripts 子项目https://github.com/kohya-ss/sd-scripts/tree/b5c60d7d62d6bb4a174ac09327dc517fc4446523
要严格按照作者给的步骤安装。要不然会有很多奇怪的问题
如果顺利的话大概安装需要30min左右。需要kexue上网应该就不用多介绍了
【2】 接下来准备需要训练的图片。
根据最后的生成效果要找头像清晰的脸部轮廓清楚的背景最好是白色的。
然后就需要我们将图片进行预处理。
先将图片放在一个文件夹里然后定一个预处理之后的文件夹名字。
然后在stablediffusion中找到【训练】【图像预处理】模块 按照说明填入预处理图片路径和目标目录然后选择【Deepbooru生成标签】。然后点击【Preprocess】等处理完成。
到目标目录下看下生成的标签信息。 这些标签就是训练模型的图片特征了基本上生成出来的标签还是要check下。
如果某个重要的标签丢失或者识别错误girl识别成boy _会直接影响炼丹质量。
【3】 将预处理目标文件夹复制到lora-scripts脚本的主目录的train目录中。如果没有就创建一个
如果你有多个训练集合可以在train中创建一个目录然后放到这个目录中。
训练自己的专属模型需要依赖一个主模型。真人特征的模型貌似用 chilloutmix_NiPrunedFp32Fix 比较流行这个模型很强大你懂的。
模型地址naonovn/chilloutmix_NiPrunedFp32Fix at main
将下好的模型文件复制到lora-scripts-sd-models文件夹中。
【4】
准备工作差不多了我们编辑下训练脚本。
lora-scripts目录中的train.ps1 脚本文件。
# Train data path | 设置训练用模型、图片
$pretrained_model ./sd-models/chilloutmix_NiPrunedFp32Fix.safetensors # base model path | 底模路径
$train_data_dir ./train/test # train dataset path | 训练数据集路径
$pretrained_model就是我们下载的训练模型的基础模型把名字换掉。 $train_data_dir训练数据目录。 # Train related params | 训练相关参数$resolution 512,512 # image resolution w,h. 图片分辨率宽,高。支持非正方形但必须是 64 倍数。$batch_size 2 # batch size$max_train_epoches 20 # max train epoches | 最大训练 epoch$save_every_n_epochs 2 # save every n epochs | 每 N 个 epoch 保存一次$resolution如果你的图片预处理的时候没有调整过这里就保持默认。 $batch_size、$max_train_epoches如果你的卡不是很强这里的参数可以小一点。这两个参数主要控制训练的次数和显存加载的张量数据集。 # Output settings | 输出设置$output_name meoutput # output model name | 模型保存名称$output_name用默认的也行最好自定义一个名字避免重复生成覆盖原来模型。
保存然后右键 【使用PowerShell运行】。
这里还是要祈祷下不一定能一次成功。_
脚本在运行过程中会出现一些triton加载失败的错误。 但是其实不影响模型的训练我查了下好像是windows电脑就不支持这个模块。
这里的错误如果不能正常执行大概率是前面敲黑板的地方你没有仔细看。
等模型训练完。我15张图大概跑了10min左右。
我们看下output目录输出的模型文件。 这里的模型文件保存的个数是train.ps1脚本文件里设置的。
最后我们要通过验证这些模型准确度选用哪一个。
【5】
将这些模型文件全部复制到
E:\stable-diffusion-webui\extensions\sd-webui-additional-networks\models\lora
对应的扩展忙碌下。 如果还没有安装 sd-webui-additional-networks 扩展记得先到扩展中安装。
也可以直接用git地址安装有时候这个扩展查询有点问题https://github.com/kohya-ss/sd-webui-additional-networks.git
然后我们测试下这几个模型哪一个不错。
顺利安装插件之后就可以在界面上看到 【Additional Networks】功能菜单。 要测试自己的模型基础模型还是要选用我们训练的 chilloutmix_NiPrunedFp32Fix 模型。
prompt可以用自己提取的标签作为测试。
批次可以适当多点到时候可以选择。 这个过程大概需要个20min左右。可以喝点茶等待创作了_。
来一起见证AI的创作吧 图片的上方是每一个模型名称左边是特征权重组成的一个二维表格。 有点那个意思 hhh。
下面这些就有点辣眼睛了 。 根据自己的眼光我们挑选一个相对比较不错的模型。
整体觉得这个模型不错我们记下模型的名字。 将这个模型复制到 E:\stable-diffusion-webui\models\Lora 目录中。 可以给你的模型配上一个封面只要文件名和模型名一样就可以了。
【6】
有了自己的专属模型就可以结合其他lora模型一起使用了。 我们试下水墨风格。
下载lora模型Moxin_10 下载基础模型dalcefoPainting_3rd.safetensors
有些基础模型在C站没有可以到huggingface上找找再不行github上肯定有 点开这个红色的收缩面板。 刷新一下让lora模型文件重新加载下。
然后选择我们保存的lora文件此时这个模型的prompt设置会在文本框里。 然后再选择水墨风模型 Moxin。
调整下每一个模型的权重此时可以将我们自己的模型特征调大些。
如果没啥问题我们就去C站找这个lora比较好的prompt拿过来用。 这张虽然有点辣眼睛但是特征是有了。 这一张比较像我女儿 _。
最后stablediffusionlora等AIGC属于开挂技术我们还是要遵纪守法做一个好同志
