微调模型
什么是微调?
微调是机器学习中的常用技术。它采用在宽数据集上训练的模型,并在窄数据集上训练更多。
经过微调的模型将偏向于生成与您的数据集相似的图像,同时保持原始模型的多功能性。
人们为什么要制造它们?
稳定的扩散很好,但并不是什么都擅长。例如,它可以并且将在提示中生成带有关键字“anime”的动漫风格图像。但是生成动漫子流派的图像可能很困难。您可以使用该子类型的图像微调模型,而不是修改提示。
它们是如何制成的?
两种主要的微调方法是 (1) 额外训练和 (2) Dreambooth。它们都从基础模型开始,例如 Stable Diffusion v1.4 或 v1.5。
额外的训练是通过使用您感兴趣的额外数据集训练基础模型来实现的。例如,您可以使用额外的老爷车数据集训练 Stable Diffusion v1.5,以使汽车的美感偏向子类型。
Dreambooth 最初由谷歌开发,是一种将自定义主题注入文本到图像模型的技术。它适用于少至 3-5 个自定义图像。您可以拍几张自己的照片,然后使用 Dreambooth 将自己放入模型中。使用 Dreambooth 训练的模型需要一个特殊的关键字来调节模型。
还有另一种不太流行的微调技术称为文本反转(有时称为嵌入)。目标类似于 Dreambooth:将自定义主题注入到模型中,仅包含几个示例。专门为新对象创建一个新关键字。只有文本嵌入网络被微调,同时保持模型的其余部分不变。通俗地说,这就像用现有的词来描述一个新概念。
楷模
有两组模型:v1 和 v2。我将在本节介绍 v1 模型,在下一节介绍 v2 模型。
有数以千计的微调稳定扩散模型。这个数字每天都在增加。以下是可用于一般用途的模型列表。
稳定扩散 v1.4
![稳定扩散模型初学者指南和您应该了解的模型](https://www.aihubpro.cn/wp-content/uploads/2023/05/20230504102443-645387eb06447.png)
v1.4图像
模型页
由 Stability AI 于 2022 年 8 月发布的 v1.4 模型被认为是第一个公开可用的稳定扩散模型。
您可以将 v1.4 视为通用模型。大多数时候,除非您对某些样式真的很挑剔,否则按原样使用就足够了。
稳定扩散 v1.5
![稳定扩散模型初学者指南和您应该了解的模型](https://www.aihubpro.cn/wp-content/uploads/2023/05/20230504102443-645387eb0e81a.png)
v1.5 图像。
模型页
v1.5 于 2022 年 10 月由 Stability AI 的合作伙伴 Runway ML 发布。该模型基于 v1.2 并经过进一步训练。
模型页面没有提到改进是什么。与 v1.4 相比,它产生的结果略有不同,但尚不清楚它们是否更好。
与 v1.4 一样,您可以将 v1.5 视为通用模型。
根据我的经验,v1.5 作为初始模型是一个不错的选择,可以与 v1.4 互换使用。
F222
![稳定扩散模型初学者指南和您应该了解的模型](https://www.aihubpro.cn/wp-content/uploads/2023/05/20230504102443-645387eb160b5.png)
F222
F222 最初是为生成裸体而训练的,但人们发现它有助于生成具有正确身体部位关系的美丽女性肖像。有趣的是,与您的想法相反,它非常擅长制作美观的服装。
F222 适合人像。它很容易产生裸体。在提示中包括诸如“连衣裙”和“牛仔裤”之类的衣柜术语。
在这篇文章中找到更逼真的照片风格模型。
任何V3
![稳定扩散模型初学者指南和您应该了解的模型](https://www.aihubpro.cn/wp-content/uploads/2023/05/20230504102443-645387eb1ccb9.png)
任何 v3 模型。
模型页
Anything V3 是一种特殊用途的模型,经过训练可以生成高质量的动漫风格图像。您可以在文本提示中使用 danbooru 标签(如 1girl、white hair)。
它对于将名人塑造成胺风格很有用,然后可以将其与说明性元素无缝融合。
一个缺点(至少对我而言)是它产生的女性体型不成比例。我喜欢用 F222 调低它。
开启旅程
![稳定扩散模型初学者指南和您应该了解的模型](https://www.aihubpro.cn/wp-content/uploads/2023/05/20230504102443-645387eb2ba93.png)
打开旅程模型。
模型页
Open Journey 是使用 Mid Journey v4 生成的图像进行微调的模型。它具有不同的美感,是一个很好的通用模型。
触发关键字:mdjrny-v4风格
型号比较
这是具有相同提示和种子的这些模型的比较。All But Anything v3 生成逼真的图像,但具有不同的美感。
![稳定扩散模型初学者指南和您应该了解的模型](https://www.aihubpro.cn/wp-content/uploads/2023/05/20230504102443-645387eb36952.png)
使用相同种子和步骤生成的图像。
其他型号
有数百种稳定扩散模型可用。其中许多是专为生成特定风格而设计的专用模型。一些值得注意的是:
梦想塑造者
![稳定扩散模型初学者指南和您应该了解的模型](https://www.aihubpro.cn/wp-content/uploads/2023/05/20230504102443-645387eb3e20f.png)
梦想塑造者模型
Dreamshaper 模型针对介于真实感和计算机图形之间的肖像插图风格进行了微调。它易于使用,如果您喜欢这种风格,您会喜欢的。
型号页面
Chillout混合
![稳定扩散模型初学者指南和您应该了解的模型](https://www.aihubpro.cn/wp-content/uploads/2023/05/20230504102443-645387eb44994.png)
模型页
ChilloutMix 是一种用于生成照片质量的亚洲女性的特殊模型。它就像 F222 的亚洲版本。与韩语嵌入 ulzzang-6500-v1 一起使用以生成像 k-pop 这样的女孩。
像 F222 一样,它有时会生成裸体。抑制提示中的“连衣裙”和“牛仔裤”等衣柜术语,以及否定提示中的“裸体”。
Waifu-diffusion
![稳定扩散模型初学者指南和您应该了解的模型](https://www.aihubpro.cn/wp-content/uploads/2023/05/20230504102443-645387eb4e613.png)
Waifu Diffusion 是一种日本动漫风格。
机器人扩散
![稳定扩散模型初学者指南和您应该了解的模型](https://www.aihubpro.cn/wp-content/uploads/2023/05/20230504102443-645387eb58908.png)
机器人扩散
Robot Diffusion 是一个有趣的机器人风格模型,它将把你的每个对象变成一个机器人!
模迪扩散
![稳定扩散模型初学者指南和您应该了解的模型](https://www.aihubpro.cn/wp-content/uploads/2023/05/20230504102443-645387eb6024d.png)
摩迪扩散是现代迪士尼风格。
如果您想生成一些类似 Pixar 的风格,则此模型适合您。
使用关键词:摩登迪士尼风格
墨水朋克扩散
![稳定扩散模型初学者指南和您应该了解的模型](https://www.aihubpro.cn/wp-content/uploads/2023/05/20230504102443-645387eb6ada2.png)
朋克扩散
Inkpunk Diffusion 是 Dreambooth 训练的模型,具有非常鲜明的插图风格。
使用关键词:nvinkpunk
查找更多模型
您可以在 Huggingface 中找到更多模型。
Civitai 是搜索模型的另一个重要资源。
v2 模型
![稳定扩散模型初学者指南和您应该了解的模型](https://www.aihubpro.cn/wp-content/uploads/2023/05/20230504102443-645387eb78c3c.png)
示例 2.1 图像。
Stability AI 发布了新的系列模型版本 2。目前发布了 2.0 和 2.1 模型。v2模型的主要变化是
- 除了 512×512 像素外,还提供更高分辨率的 768×768 像素版本。
- 您不能再生成露骨内容,因为色情材料已从培训中删除。
您可能会假设每个人都已经开始使用 v2 模型。然而,Stable Diffusion 社区发现图像在 2.0 模型中看起来更差。人们也难以使用名人姓名和艺术家姓名等具有影响力的关键词。
2.1 模型已经部分解决了这些问题。开箱即用的图像看起来更好。更容易产生艺术风格。
截至目前,大多数人还没有完全转向 2.1 模型。许多人偶尔使用它们,但大部分时间都花在 v1 模型上。
如果您决定试用 v2 模型,请务必查看这些提示以避免一些常见的挫折。
如何安装和使用模型
这些说明仅适用于 v1 型号。请参阅 v2.0 和 v2.1 的说明。
要在 AUTOMATIC1111 GUI 中安装模型,请下载检查点 (.ckpt) 文件并将其放在以下文件夹中
stable-diffusion-webui/models/Stable-diffusion/
按检查点下拉框旁边的重新加载按钮
![稳定扩散模型初学者指南和您应该了解的模型](https://www.aihubpro.cn/wp-content/uploads/2023/05/20230504102443-645387eb8263c.png)
您应该会看到刚刚放入的检查点文件可供选择。选择新的检查点文件以使用该模型。
或者,您可以按“生成”下的“iPod”按钮。
![稳定扩散模型初学者指南和您应该了解的模型](https://www.aihubpro.cn/wp-content/uploads/2023/05/20230504102443-645387eb865b0.png)
将出现模型面板。选择检查点选项卡并选择一个模型。
如果您是 AUTOMATIC1111 GUI 的新手,一些模型已预加载到快速入门指南中包含的 Colab 笔记本中。
合并两个模型
![稳定扩散模型初学者指南和您应该了解的模型](https://www.aihubpro.cn/wp-content/uploads/2023/05/20230504102443-645387eb8ae12.png)
合并两个模型的设置。
要使用 AUTOMATIC1111 GUI 合并两个模型,请转到 Checkpoint Merger 选项卡并在主要模型 (A) 和次要模型 (B) 中选择要合并的两个模型。
调整乘数(M)来调整两个模型的相对权重。将其设置为 0.5 将合并具有同等重要性的两个模型。
按运行后,新合并的模型将可供使用。
合并模型的示例
以下是合并 F222 和具有相同权重 (0.5) 的 Anything V3 的示例图像:
![稳定扩散模型初学者指南和您应该了解的模型](https://www.aihubpro.cn/wp-content/uploads/2023/05/20230504102443-645387eb91460.png)
比较 F222、Anything V3 和 Merged(各占 50%)
合并后的模型介于逼真的 F222 和动漫 Anything V3 风格之间。这是一个非常好的用人物生成插图艺术的模型。
其他模型类型
四种主要类型的文件可以称为“模型”。让我们澄清一下,这样您就知道人们在谈论什么。
- 检查点模型:这些是真正的稳定扩散模型。它们包含生成图像所需的一切。不需要额外的文件。它们很大,通常为 2 – 7 GB。他们是本文的主题。
- 文本倒置:也称为嵌入。它们是定义新关键字以生成新对象或样式的小文件。它们很小,通常为 10 – 100 KB。您必须将它们与检查点模型一起使用。
- LoRA 模型:它们是检查点模型的小补丁文件,用于修改样式。它们通常为 10-200 MB。您必须将它们与检查点模型一起使用。
- Hypernetworks:它们是添加到检查点模型的附加网络模块。它们通常为 5 – 300 MB。您必须将它们与检查点模型一起使用。
概括
在这篇文章中,我介绍了什么是稳定扩散模型,它们是如何制作的,几种常见的,以及如何合并它们。当您心中有特定的风格时,使用模型可以让您的生活更轻松。
这是初学者指南系列的第 4 部分。阅读第 1 部分:绝对初学者指南。阅读第 2 部分:提示构建。阅读第 3 部分:修复。