一个懒人 LoRA 制作指南，手把手教你用 OneTrainer 训练自己的 AI 绘画模型,无需深入理论,轻松掌握关键步骤。

一个懒人 LoRA 制作指南，手把手教你用 OneTrainer 训练自己的 AI 绘画模型,无需深入理论,轻松掌握关键步骤。 作者是用XL生成的图片，你可以用MIdjoureny生成效果比较好。 我完整翻译了内容，并且重新整理了适合推特阅读的版本，或者你可以在下面看完整翻译的内容： - 1⃣ LoRA 模型制作教程 作者作为一名 LoRA 模型制作的新手,通过自己的学习实践,总结了一份简明扼要的制作教程。 这份教程不涉及太多理论知识,而是直奔主题,手把手教初学者如何训练自己的 LoRA 模型。 作者坦诚分享了自己从最初尝试 Embedding 和 LoRA 时遇到的问题,以及后来找到的解决方法,为读者提供了宝贵的经验参考。 所需工具介绍 要制作 LoRA 模型,需要准备一些必要的工具。作者推荐使用自己喜欢的模型和图像生成工具,他个人使用的是 StableSwarmUI 和 GhostXL 模型。 此外,还需要一个训练工具,作者选择了 OneTrainer,因为有人说它比另一个常用的工具 Kohya 更易用。作者还提到,训练时如果需要将 SDXL 格式的图像转换为 SD 格式,需要在设置中开启分辨率覆盖选项。 2⃣ LoRA 模型制作步骤 作者将 LoRA 模型的制作过程分为三个主要步骤: 第一步是用现有的模型生成大量高质量的图像作为训练数据; 第二步是人工检查挑选图像,剔除所有质量不合格的; 第三步是使用 OneTrainer 进行训练,调整必要的参数设置。 作者还特别提到,在训练时如果需要将 SDXL 格式的图像转换为 SD 格式,一定要记得开启分辨率覆盖选项,否则训练会出问题。 训练参数调整心得 作为一名新手,作者在调整训练参数时主要参考了一份网上的指南。 他尝试调整了 Lora 设置中的 rank 参数,将其从默认的 16 改为 32,解决了模型训练中遇到的问题。作者分享了这份参数调整指南的链接,供其他学习者参考。 3⃣ 作者的训练数据集分享 为了帮助更多学习者,作者慷慨地分享了自己完整的训练图像数据集,其中还包含了他使用的 OneTrainer 配置文件。这些数据可供其他 LoRA 制作人下载参考和使用。数据集已经过作者的筛选,图像质量有保证。 4⃣ 训练成果展示

LLM 相关的基础文章很多人整理，AI 图像生成的比较少，刚好发现了一个，我又自己筛选了一下，一共 15 篇内容，都在这里了，如

LLM 相关的基础文章很多人整理，AI 图像生成的比较少，刚好发现了一个，我又自己筛选了一下，一共 15 篇内容，都在这里了，如果想深入研究 SD，建议看看。 主要包括三个部分：图片生成简介、图像生成基础模型的精细调整和构建 AI 生成服务，。 都放在下面的这个个链接里，打开一个就都有了。元旦我也会找时间把这些内容翻译一下，然后发出来，可以收藏这条回来看。等不及可以直接看，下面是具体的分类和文章目录： 图像生成技术简介： ◆ 人工智能和艺术：机器学习如何改变创造性工作（报告） ◆ 平面设计师如何创建他们自己的AI工具（博客文章） ◆ AI图像生成器的工作原理以及扩散是什么（视频） ◆ 什么是Diffusion模型？（视频） ◆ Diffusion模型的工作原理（1小时课程） ◆ 初学者指南：Stable diffusion（指南） 基础模型的精细调整： ◆ SD1.5通用目的模型的全面精细调整指南（博客文章） ◆ SD模型的基准测试与混合（博客文章） ◆ 解耦文本编码器和UNET学习率（博客文章） ◆ D适应：再见学习率困扰？（博客文章） ◆ 自己精细调整通用稳定扩散模型指南（博客文章） 构建 AI 生成服务的后端： ◆ 如何构建一个生成AI服务的后端 ◆ Stable diffusion提示：权威指南 ◆ SD提示的精细调整：修改Stable diffusion提示的GPT 3.5（博客文章） ◆ SD提示的目录（目录） 所有内容链接：

Stability AI产量很高啊，推出了一个新的 AI 图像生成模型Stable Cascade，还会发布对应的微调、Cont

Stability AI产量很高啊，推出了一个新的 AI 图像生成模型Stable Cascade，还会发布对应的微调、ControlNet 和 LoRA 训练的脚本。 这个模型基于Würstchen架构，可以显著降低模型训练的算力成本，比 SD2.1 的算力成本降低了 10 倍左右。另外推理速度会比现有的 SD 模型快一倍左右。 更多功能： 除了标准的文本到图像生成之外，Stable Cascade 还可以执行图像变化和图像到图像生成。 会跟随模型一起发布的 Controlnet： 局部重绘：输入与文本提示附带的蒙版配对的图像。该模型根据提供的文本提示填充图像的遮罩部分。 Canny Edge：通过跟踪输入到模型的现有图像的边缘来生成新图像。该测试也可以从草图进行扩展。 2x超分辨率：也可用于C阶段生成的潜在空间。 了解更多：

|| #机器学习 #电子书

|| #机器学习 #电子书 本书提供了深度学习的完整且简明的数学工程概述。内容包括卷积神经网络、递归神经网络、transformer、生成式对抗网络、强化学习、图神经网络等。 书中聚焦于深度学习模型、算法和方法的基本数学描述，很大程度上与编程代码、神经科学关系、历史视角无关。数学基础的读者可以快速掌握现代深度学习算法、模型和技术的本质。 深度学习可以通过数学语言在许多专业人员可理解的层面上进行描述。工程、信号处理、统计、物理、纯数学等领域的读者可以快速洞察该领域的关键数学工程组成部分。 书里包含深度学习的基础原理、主要模型架构、优化算法等内容。另外还提供了相关课程、工作坊、源代码等资源。 本内容面向想要从数学工程视角理解深度学习的专业人员，内容覆盖了深度学习的主要技术，使用简明的数学语言描述深度学习的关键组成部分，是了解深度学习数学本质的很好资源。

《耗时80小时！超详细的胎教级Stable Diffusion使用教程，看这一篇就够！》

《耗时80小时！超详细的胎教级Stable Diffusion使用教程，看这一篇就够！》 大家好，我是吴东子。花了很长时间终于整理好了这份万字SD的使用教程！ 从手把手安装部署，到界面功能讲解，再到实战案例制作，到下载优质模型，每一步都有详细教程，并且用一个又一个的例子展示，让你不止是枯燥地学，而是学完立刻也能做出一样的图片出来！ 同时，无论是安装包，大模型，lora，关键词的文件都给大家打包好了，不用再自己这找找那找找，希望能做到让大家学SD，看这一篇就够！ 如果有什么疑问的地方，欢迎在评论区留言噢！ 为了更好的阅读体验，大家可以点击链接查看

神经网络 SwapFace 服务只需点击几下就能制作出您自己的 "换脸"视频。

神经网络 SwapFace 服务只需点击几下就能制作出您自己的 "换脸"视频。 它的工作原理非常简单：安装桌面应用程序，进入 "视频换脸"选项卡，在左侧字段中发送您的原始视频，在右侧字段中发送您希望在完成的视频中看到什么样的脸。有三种渲染模式：从简易到高深，它们在渲染质量和对显卡的要求上有所不同。 这项服务完全免费，但每天只能上传20张脸部模型。 #AI #tools