DREAMBOOTH 本地训练，在 Stable Diffusion 内部进行！免费的 CPU 选项！

Dreambooth本地训练：Stable Diffusion新功能，无需云端！本视频介绍了Stable Diffusion新功能：Dreambooth本地训练，无需使用Google Colab或租用GPU，用户可以在本地训练自己的图像，无需离开Stable Diffusion。
视频内容概括：
1.更新Stable Diffusion：
视频提供两种方法更新Stable Diffusion至最新版本，方便使用Dreambooth功能。
2.Dreambooth系统需求：
强调Dreambooth对GPU性能要求较高，至少需要12GB VRAM，否则无法顺利运行。
3.Dreambooth安装及使用：
视频详细讲解了Dreambooth扩展安装步骤，包括在Stable Diffusion的扩展页面找到Dreambooth扩展，并点击安装按钮。
4.创建空模型：
讲解了创建空模型的步骤，包括命名模型、选择源代码版本和调度器，以及创建空模型。
5.训练模型：
视频重点介绍了训练模型的步骤，包括：

实例提示（Instance Prompt）：
使用关键词描述训练图像，例如“照片 of [人物名] 人”。

类别提示（Class Prompt）：
描述训练图像的类别，例如“照片 of 人”。

数据集目录（Data Set Directory）：
选择训练图像的文件夹。

分类图像目录（Classification Data Directory）：
选择正则化图像的文件夹，建议使用Joe Pena提供的1500张图像。

训练步骤（Training Steps）和学习率（Learning Rate）：
建议使用低学习率（1e-6）和高训练步骤（1100-1200）。

保存检查点（Save a Checkpoint Every End Steps）和生成预览图像（Generate a Preview Image Every End Steps）：
调整这两个参数避免训练过程中出现错误。

高级选项（Advanced Options）：
建议使用8-bit Atom和FP16混合精度来减少VRAM使用，提高速度。
6.模型训练和测试：
视频演示了模型训练过程，并使用训练好的模型生成图像，证明Dreambooth功能的有效性。
视频总结：
Dreambooth本地训练功能让用户可以在本地训练自己的图像，无需依赖云端服务，为用户带来更多便利。视频详细介绍了Dreambooth安装、使用和训练模型的步骤，并提供了参数设置建议。对于拥有高性能GPU的用户来说，Dreambooth是一个非常实用的功能，可以为用户带来更多创作可能性。

Dreambooth 本地训练终于被整合到 Automatic 1111 的 Stable Diffusion 仓库中，这意味着你现在可以使用这项来自 Google 的惊人 AI 技术，用你自己的图片训练一个稳定扩散模型。你可以训练一个角色、一个物体、一种风格，或者任何你想要的东西！还有一个新的选项，允许你使用 CPU 而不是 GPU 进行 Dreambooth 训练，所有这些都可以在几分钟内免费完成！所以在本视频中，我将向你展示如何激活这个 Stable Diffusion 扩展，如何获得最佳结果，并提供一些故障排除建议，以帮助那些遇到问题的人。这是一个多么美好的时代！你成功地本地训练了一个新主题吗？在评论区告诉我！