【模型训练】SD-大模型

已于 2023-12-13 21:12:15 修改
阅读量632 收藏 8
点赞数 9
分类专栏： 【模型训练】 文章标签： docker 深度学习 人工智能 python
于 2023-12-13 21:11:27 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_45437316/article/details/134982184
版权

【模型训练】SD-大模型

zsh_abc
关注
  • 9
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
lora训练ui界面工具应用SD-Scripts项目源码
08-10
SD-Scripts是一个用于训练模型的项目，它使用了一个基于pyside6的用户界面(UI)，以便更流畅地进行模型训练的过程。 SD-Scripts项目该项目提供了一些用于训练模型的Python脚本，这些脚本可能涉及数据预处理、模型...
LoRA训练模型的脚本和指南应用代码
08-10
使用LoRA训练模型的脚本和指南代码。LoRA是一种用于训练大型语言模型的技术。以下是使用用法说明： 1. 你可以从git仓库 [kohya-ss/sd-scripts](https://github.com/kohya-ss/sd-scripts.git) 克隆这个LoRA训练脚本的...
stable diffusion 1.5大模型炼制详细教程，几块钱即可炼制大模型
天风的人工智能博客
09-27 1351
之前已经讲过SDXL_LORA,SD1.5_LORA训练过程，基本说的比较清楚了，有兴趣可以去看看，下面我将讲解一下SD1.5大模型的炼制。DreamBooth 是一种定制个性化的 TextToImage 扩散模型的方法。仅需少量训练数据就可以获得极佳的效果。Dreambooth 基于 Imagen 研发，使用时只需将模型导出为 ckpt，然后就可以被加载到各种 UI 中。然而，Imagen 的模型和预训练的权重都不可用。所以最初的 Dreambooth 并不适用于稳定扩散。
SDXL_LORA模型训练详细教程
FL1768317420的博客
04-07 1717
之前写过一篇SD1.5 LORA模型的炼制方法，有的人想要我详细点说说秋叶启动器的lora训练器，SDXL建议使用秋叶的训练器，SD1.5赛博丹炉，个人习惯仅供参考！这次基于sdxl_lora模型的训练，顺便给大家详细的讲讲训练过程。
SD入门04 | 大模型推荐（15个）&下载安装
最新发布
HJS123456780的博客
04-15 1825
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。感兴趣的小伙伴，赠送全套AIGC学习资料和安装工具，包含AI绘画、AI人工智能等前沿科技教程，模型插件，具体看下方。
训练Stable Diffusion(SD) Lora模型巨详细教程 赛博丹炉/青龙脚本/秋叶云端使用教程 主用赛博丹炉（道玄）巨小白巨啰嗦，全是干货和踩过的坑
m0_59805198的博客
12-21 9010
试了很多的sd训练，尤其是sd的lora的训练，问题一大堆，现在写个博客汇总一下。
多机多卡训练SD系列模型（一）
m0_62881125的博客
09-26 3048
stable diffusion作为开源的生成图的模型已经有了很多训练完的模型，训练一个大模型还是比较麻烦的，先进行lora训练，用到了这个项目还有stable diffusion的WebUI也有很多别的lora项目对kohya的脚本进行包装这是kohya的仓库这篇作为开头，只写了从收集数据、处理数据到训练lora，测试模型的整个流程是可以跑通的，后续文章中用的项目从lora-script转到了kohya-trainer，下一篇将分析kohya-trainer的参数和dreambooth方法。
SSD-tensorflow模型训练简要步骤
木头杭的学习博客
02-25 2146
环境：win7+pycharm+python3.6.4,tensorflow-gpu1.4.0(这个要和机器的显卡相匹配，显卡驱动->cuda,cudnn版本->tensroflow-gup版本) 源码：SSD-Tensorflow-master（https://github.com/balancap/SSD-Tensorflow） 标注工具：labelImg（https://g...
sd模型分类
jiasudu的博客
05-26 2024
通过 Dreambooth 训练方式得到的大模型， 特点是出图效果好，但由于训练的是一个完整的新模型，所以训练速度普遍较慢，生成模型文件较大，一般几个 G，文件格式为 safetensors 或 ckpt。特点是对于特定风格特征的出图效果好，训练速度快，模型文件小，一般几十到一百多 MB，需要搭配大模型使用。一种使用文本提示来训练模型的方法，可以简单理解为一组打包的提示词，用于生成固定特征的人或事物。特点是对于特定风格特征的出图效果好，模型文件非常小，一般几十 K，但是训练速度较慢，需要搭配大模型使用。
AI 绘画Stable Diffusion 研究（三）sd模型种类介绍及安装使用详解
w风雨无阻w的专栏
08-01 1万+
目前，AI 绘画Stable Diffusion的各种模型层出不穷，哪些模型都有什么用？又该怎么使用？对于新手朋友来说，是非常大的困扰。 这篇文章将会为你介绍AI 绘画Stable Diffusion的模型种类、模型的安装及使用方法、模型的下载。 不同的模型有不同的画风如：线条风格、手绘风格、立体风格、科幻风格、真人风格。 还有不同的概念，例如：人物、物体、动作等。 这些都是目前Stable Diffusion 模型众多的原因。 Stable Diffusion的模型具体有哪些种类呢，都有什么作用呢？
如何使用和训练LoRA模型？以及常见lora资源
08-09
可以理解为stable diffusion（SD)模型的一种插件，和hyper-network，controlNet一样，都是在不修改SD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SD模要小很多，非常...
StableDiffusion LORA模型“娜乌斯嘉”
06-16
本模型为“娜乌斯嘉”模型V3版本，该版本推荐权重0.7-0.8，该模型生成的脸部会清晰很多，不会出现光头和痣多的问题！直出和放在AD插件里使用都OK！ 娜乌斯嘉，名字来源于宫崎骏的动画片风之谷的娜乌斯嘉，这是一个...
Stability AI 的生成模型
02-26
SVD：此模型经过训练以生成 14 分辨率为 576x1024 的帧，给定相同大小的上下文帧。 我们使用 SD 2.1 中的标准图像编码器，但将解码器替换为 时态感知 .deflickering decoder SVD-XT：与架构相同，但经过微调 用于 25...
记录一下SD几个大模型产生图像的参数
caridle的专栏
04-09 2169
hkgirl, beautiful girl hiking, yoga pants, t-shirt Negative prompt: illustration, 3d, sepia, painting, cartoons, sketch, (worst quality:2), (low quality:2), (normal quality:2), lowres, bad anatomy, bad hands, normal quality, ((monochrome)), ((grayscale:1.2
Stable Diffusion（SD）核心基础知识——（文生图、图生图）
weixin_47748259的博客
01-11 8569
Stable Diffusion是计算机视觉领域的一个生成式大模型，可以用于文生图，图生图，图像inpainting，ControlNet控制生成，图像超分等丰富的任务。
如何学习训练大模型——100条建议（附详细说明）
热门推荐
xw555666的博客
11-07 1万+
通过深入了解这些细节，并在实际项目中应用相关的知识，将能够更好地理解和利用大模型的潜力，不仅在学术研究中，也在工程实践中。通过不断探索新方法、参与项目和保持热情，并将其应用于各种领域，从自然语言处理到计算机视觉和自动驾驶。通过不断学习、实践和探索，可以不断提升自己在深度学习领域的技能和洞察力，同时也能为社会和行业带来创新和改进。从小规模的项目和模型开始，逐渐迭代和扩展到更大的模型，逐步积累经验，最终能够处理大模型和复杂任务。分享您的研究成果和代码，以获得反馈和建立声誉。
敲重点！最全大模型训练合集！
Kenji_Shinji的博客
06-24 1万+
如图所示，PS架构将计算节点分为server与worker，其中，worker用于执行网络模型的前向与反向计算。而server则对各个worker发回的梯度进行合并并更新模型参数，对深度学习模型参数中心化管理的方式，非常易于存储超大规模模型参数。但是随着模型网络越来越复杂，对算力要求越来越高，在数据量不变的情况下，单个GPU的计算时间是有差异的，并且网络带宽之间并不平衡，会存在部分GPU计算得比较快，部分GPU计算得比较慢。这个时候如果使用异步更新网络模型的参数，会导致优化器相关的参数更新出现错乱。而使用同
sd怎么训练自己的模型
08-12
引用是关于CUDA内存不足的错误。一种解决方法是查看GPU内存使用情况，并释放GPU缓存。你可以使用命令"nvidia-smi"来查看GPU内存使用情况，并使用命令"sudo fuser /dev/nvidia*"来释放GPU缓存。如果这些方法都无效，可能是因为加载的模型太大，导致显存不足。你可以尝试修改batch_size，将其减小以减少显存使用量。 引用是关于属性错误的问题。解决方法是在初始化函数的开头添加super继承父类的属性和方法，确保在调用之前正确分配模块。 引用包含了两个错误，一个是类型错误和一个是尺寸不匹配错误。解决方法是修改a和b的通道数，使其一致。 回答你的问题，如果你想训练自己的模型，你可以按照以下步骤进行： 1. 准备数据集：收集并整理你需要的数据集，包括训练集、验证集和测试集。 2. 构建模型：选择合适的深度学习架构，并根据你的需求自定义模型结构。 3. 定义损失函数：根据你的任务类型，选择适当的损失函数，例如交叉熵损失函数、均方误差损失函数等。 4. 选择优化算法：选择适合你的模型和数据集的优化算法，例如随机梯度下降（SGD）、Adam等。 5. 训练模型：使用训练集来训练你的模型，通过反向传播和优化算法不断更新模型参数，直到达到收敛。 6. 评估模型：使用验证集或测试集来评估你的模型的性能指标，例如准确率、精确率、召回率等。 7. 调整模型：根据评估结果来调整模型结构、超参数等，以提升模型的性能。 8. 最终测试：使用测试集来对你的模型进行最终的测试，以验证其在真实场景下的表现。 希望这些信息对你有所帮助！<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [【持续更新】训练自己模型时遇到的bug合集](https://blog.csdn.net/hu_yinghui/article/details/127486188)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

zsh_abc

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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