sd1.5_lora_lab

DoRA（49.11 MB）：v05 Dora

训练数据（362.07 MB）：ComfyUI_workflow+onetrainer_data+old_epoch_Dora_backup_data

● 在包含40万张图像的数据集上训练了DoRA。

● 目标是创建一个能提升整体标签识别能力和图像质量的DoRA。

我们从v04版本开始额外增加了51个epoch和605,000步训练。

● 各概念得到了进一步强化。

某些标签可能表现出角色和概念的可重复性提升。

但若您追求完全的可重复性，请将本DoRA与其他LoRA配合使用。

● 与v04类似，本模型可能存在轻微过拟合，建议将DoRA权重降低至约0.5，以更好地平衡基础模型的风格并改善纹理表现。

● 此外，过多的负面提示、过高的标签权重或过高的CFG值有时会导致图像伪影，因此也建议检查这些设置。尤其是使用真实感模型时，这些因素会显著增加视觉伪影的可能性。

● 此外，v04–v02版本中的早期epoch在某些情况下可能更具灵活性且更易使用，建议尝试探索以找到最佳平衡点。

● 在512px分辨率下生成最为稳定，但使用kohya_deep_shrink在更高分辨率（如768x1152px）下生成，有时能产生更吸引人的图像，建议试用。尽管可能引入轻微伪影，但值得尝试。

以下内容与之前版本的说明相同。

---

● 将DoRA或标签权重提高至1以上，可能导致不稳定。

但在如1111或Forge等工具中，标签权重可能已被归一化，因此提高权重未必引发问题。我认为ComfyUI也有自定义提示节点可执行类似归一化。

若您在权重设为1时仍发现风格影响过强或出现视觉伪影，建议尝试降低DoRA权重。

示例图像中包含许多不完美之处——这是由于数据量庞大而做出的妥协。

● 数据集内容

概念增强：240,000张图像

美学增强：130,000张图像

人物+写实风格：30,000张图像

● 本DoRA不包含触发标签，目标是通用概念增强，而非限制原始模型。

● 我的目标是尽可能均匀地学习大量概念。单独使用时效果较弱，因此可能需要结合多个相关标签使用。

若角色拥有长绿色头发，建议同时包含这些标签。NSFW标签同样适用。

● 若您希望强化特定概念，推荐添加单概念LoRA。

● 可能会出现“已打码、马赛克遮挡、条状遮挡、文字遮挡”等现象，这是因为这些内容存在于我的数据集中。我也包含未打码图像，但大量图像确实带有遮挡。您可以将其视为风格或点缀，或尝试将其加入负面提示中。也可以在提示中加入“未打码”，尽管这未必总能解决问题。

● 训练基于NovelAI_v1进行，因此应兼容其衍生模型。但部分模型可能因对特定概念或风格过拟合而出现概念遗忘。在NovelAI中效果良好的表现，在其他模型中可能较弱。

● 请注意负面提示的使用。

使用如“最差画质、低画质:1.4”等术语虽易生成高质量图像，但可能限制多样性。

若“ slime girl”等特殊标签似乎无效，可能是因为负面提示强度过高。

● 使用短提示时，背景可能较单调，风格趋向写实。

此时，建议添加背景标签，或尽可能详尽地描述服饰、发型等细节，以更准确地定义目标图像。

● 仅对通用标签和角色标签进行了训练。

虽然作品标题未专门训练，但部分角色名中包含标题，因此可能偶然获得一定增强效果。

不过，由于训练重点并非角色或作品，其学习效果可能有限——请勿抱过高期望。对于角色，添加单概念LoRA可能更有效。

● 本LoRA专为512px设计，使用更高分辨率时可能引发畸变。在高分辨率修复或i2i放大时关闭DoRA，可能产生更清晰、畸变更少的图像。

● 我也将分享我的OneTrainer设置供参考。

此为仅U-Net训练。训练时使用Clip Skip 2。在OneTrainer中设置为1。为以防万一，我也一并分享我的ComfyUI工作流。