hyper bottm heavy SDXL

这是一个基于我的“底部沉重”数据集的测试LoRA，但使用SDXL进行训练。我想看看SDXL如何处理与我上一个发布模型相同的数据和配置。

结果比我预期的要好，而且相比SD1训练速度也快得多，所以我只是出于趣味上传它。不过，不要对这个LoRA期待太高，这只是一个低投入的训练尝试。而且我还不知道如何为SDXL写提示词，请记住这一点。

请参阅训练数据以获取标签列表

训练发现：

• 似乎SDXL比SD1更快地学习了这个概念，我的上一个“底部沉重”模型使用类似配置训练了更长时间（16轮对160轮），但这个模型可能训练不足。

• 较低的network_dim似乎也能工作良好，我以后可能会尝试比16更低的值。

• SDXL每次迭代的训练速度比SD1慢大约2-3倍，但SDXL学习概念的速度使其具有一定的竞争力。

• 不一定需要训练文本编码器就能获得不错的结果。在SD1上，如果不训练文本编码器，我必须训练长得多的时间才能达到类似效果。而在这里，即使不训练文本编码器，模型也学得相当好。