【AI绘画Stable Diffusion】单人LoRA模型训练,打造你的专属模型,新手入门宝典请收藏!

大家好,我是灵魂画师向阳

本期我将教大家如何进行LoRA模型训练,打造你的专属模型,内容比较干,还请耐心看完!

随着AIGC的发展,许多传统工作岗位正逐渐被AI取代。同时,AI变革也在创造前所未有的新岗位和机会!而模型训练便是通往新天地的钥匙之一。

素材整理

为确保训练集的质量和多样性,素材尺寸与内容丰富度十分重要。本期教程以龙珠里的角色胖布欧为例。

  • 图片尺寸需要512*512(SD1.5原始训练样本尺寸)以上,契合尺寸可让训练效果更佳

  • 收集各个角度,各个场景、全身、半身、细节,甚至不同画风的胖布欧素材,以确保模型的泛化能力

  • 由于此次训练的概念比较简单,只需要20-30张高质量图片即可

图片处理

创建一个新文件夹以存放素材。建议使用全英文路径,并在文件夹名前加上“胖布欧”以便区分

  • 尽量将图片裁剪成512x512规格。若画面构图适合,裁剪可能会导致图片不完整,也可不作修改

  • 若图片有水印等干扰因素,可合理利用ps、美图等软件处理

  • 将图片移入文件夹

图片打标

自LoRA训练方式问世以来,市面上已经有许多集成LoRA训练器,也就是常说的“丹炉”。如老牌的kooyass,秋叶包,青龙包等,都可用于训练。

训练一个LoRA,显卡配置至少在6G以上。如果没有好显卡,可以使用云端服务器来进行训练,性价比非常高!

本期教程我们将采用秋叶丹炉来进行训练。 需要秋叶炼丹炉的小伙伴可看下方扫描获取哦

首先,我们需要选择一个基础模型,本教程选择Anything4.5,需要的小伙伴可以扫描获取

在这里插入图片描述

进入文件管理,把准备好的数据集上传到指定位置

打开丹炉,对图片进行标注和数据清洗。

打开WD1.4标签器输入图片所在的路径设置输出路径

并在提示词前加上"pangbuou",将温度设置为0.35。点击启动

可以看到我们的提示词会自动出现在文件管理的输出文件夹中。

接着回到丹炉,打开标签编辑器,对提示词进行清洗。输入数据集目录,点击加载

在右侧过滤栏删除与我们训练目标相符的特征词,比如“粉色皮肤"、"胖胖"等;

保留在画面中,且与训练目标特征无关的词,如"白色背景"、“漫画风格”等。

模型训练

点击LoRA训练-新手,新手建议保持默认数值,仅调整以下参数:

**(1)底模&VAE路径:**输入模型文件路径

(2)训练集路径:指向图片文件夹

**(3)LoRA名称:**为训练结果命名:Majin Buu

**(4)保存路径:**确定模型保存位置

**(5)epochs:**设置为20左右

**(6)batch_size:**提高可加快速度,根据显卡性能调整,如4090可设为8左右

**(7)dim:**对于小概念,设为32,alpha设为其一半,即16

设置完参数后,点击开始训练即可

同时,可以在我的应用-查看日志中查看训练进度

模型测试

训练完成后,我们可以对模型进行测试,看看模型的表现是否达到预期。

打开SD,使用webUI里的xyz脚本,x设置为模型epoch,y设置为模型权重

设置好底模和提示词等基础参数后,就可以跑上一轮来看看哪个才是你最心仪的结果啦!保存模型即可使用

LoRA应用场景之广不必多说,如在漫画领域生成分镜,游戏领域生成原画概念稿,换装,甚至制作模型,皆尚待探索。

写在最后

感兴趣的小伙伴,赠送全套AIGC学习资料,包含AI绘画、AI人工智能等前沿科技教程和软件工具,具体看这里。

AIGC技术的未来发展前景广阔,随着人工智能技术的不断发展,AIGC技术也将不断提高。未来,AIGC技术将在游戏和计算领域得到更广泛的应用,使游戏和计算系统具有更高效、更智能、更灵活的特性。同时,AIGC技术也将与人工智能技术紧密结合,在更多的领域得到广泛应用,对程序员来说影响至关重要。未来,AIGC技术将继续得到提高,同时也将与人工智能技术紧密结合,在更多的领域得到广泛应用。

在这里插入图片描述

一、AIGC所有方向的学习路线

AIGC所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照下面的知识点去找对应的学习资源,保证自己学得较为全面。

在这里插入图片描述

在这里插入图片描述

二、AIGC必备工具

工具都帮大家整理好了,安装就可直接上手!
在这里插入图片描述

三、最新AIGC学习笔记

当我学到一定基础,有自己的理解能力的时候,会去阅读一些前辈整理的书籍或者手写的笔记资料,这些笔记详细记载了他们对一些技术点的理解,这些理解是比较独到,可以学到不一样的思路。
在这里插入图片描述
在这里插入图片描述

四、AIGC视频教程合集

观看全面零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。

在这里插入图片描述

五、实战案例

纸上得来终觉浅,要学会跟着视频一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
在这里插入图片描述

若有侵权,请联系删除
  • 10
    点赞
  • 18
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
使用稳定扩散算法(stable diffusion训练自己专属的人像模型是一项基于AI技术的创新工作。下面是一些步骤,帮助你了解如何训练模型。 首先,你需要准备一个包含大量人像图片的数据集。这个数据集可以包括各种类型的人像,以确保模型的泛化能力。确保图像质量高,具有足够的多样性是非常重要的。 接下来,你需要使用稳定扩散算法来训练模型。这种算法能够有效地处理图像数据,并生成高质量的人像。你可以使用深度学习框架,如PyTorch或TensorFlow来实现这个算法。根据你的需求和喜好,可以选择已经存在的模型架构,如U-Net等,也可以根据自己的特定要求设计新的架构。 训练过程中,你需要进行数据预处理、模型训练模型优化等步骤。数据预处理包括图像裁剪、缩放和增强等操作,以提高模型的准确性和鲁棒性。模型训练阶段可以使用已标注的数据进行有监督训练,也可以采用无监督或半监督方法。模型优化则包括调整超参数、正则化和使用合适的损失函数等。 在训练完成后,你可以使用你的专属人像模型进行图像生成或编辑。该模型可以通过输入一张未经过加工的人像图像,生成具有艺术性的、更具个性的人像。你可以通过在模型的输入中添加一些约束,如风格引导或语义控制,来进一步控制图像的生成过程。 总的来说,使用稳定扩散训练自己的专属人像模型需要一定的深度学习和计算机视觉知识。但它为用户提供了一种独特而个性化的数字艺术创作体验。通过不断地学习和实践,你可以进一步完善和改进你的模型,以实现更加出色和逼真的人像生成效果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值