Atmyさんのイラストまとめ

構図の偏ったLoRAで偏りを軽減できるのもありがたい

画風と構図を別学習に分けられたりなかなか便利

GitHub - hako-mikan/sd-webui-lora-block-weight https://t.co/rgHkkeSBvv

LoRA の層別適用を使ってみて効果の高さに驚いてるとこ

一旦この追加モデルは完成でいいかな…と置いといたけど、見直したいところがいろいろ出てきたりで

#stablediffusion
学習のベースモデルは SD1.5、適用は SD1.5か Protogen Infinity。自分の学習設定は、ぶっちゃけ過学習で行儀の良いもんじゃあないとは思う。でも、左の生生成を右の適用生成にしてしまうのが欲しい結果なので、この設定で概ね満足

https://t.co/fTTu2dvRk9

#stablediffusion
オプティマイザは AdamW8bit 。学習率は unet 8e-4、text 4-4。dim 32 alpha 1、loha dim 16、alpha 0.5。てとこに落ち着いた。あとはだいたいデフォルト値。ツールは easy trainingのポップアップ版。必要に応じてconfig.jason を書き換え

https://t.co/cItBAeDY0t

#stablediffusion　
技術的な話には一応タグ付。
lolra(loha)学習、自分の画風学習目安としては…バッチサイズ１でのステップ数4k～6k目安で画像点数は40～70点。エポック数20で繰り返し数を調整。この絵で使っているモデルは、学習画像数52点なので、繰り返し数６の20エポックで6240ステップ

#stablediffusion #AIart

#stablediffusion #AIart
学習素材次第でまだまだぜんぜん使えそう。ControlNet のおかげで、当時のようなガチャで苦労することも軽減されてるし

#stablediffusion #AIart
hypernetworks の頃は追加学習ゆーてもこんなものかなー感あったけど