knollingcase-embeddings-sd-v2-0
详情
下载文件
模型描述
最初发布于 HuggingFace 由 ProGamerGov
此仓库中的嵌入向量是为 768px 的 Stable Diffusion v2.0 模型训练的。这些嵌入向量可在任何以 SD v2.0 为基础的模型上使用。
当前，kc32-v4-5000.pt 与 kc16-v4-5000.pt 嵌入向量表现最佳。
下载嵌入文件后，将文件名更改为想要使用的触发词。例如，将文件重命名为 "knollingcase.pt"，以使用 "knollingcase" 作为触发词。
HuggingFace 仓库的 ReadMe 中提供示例提示词，这些嵌入向量可在任何以 v2.0 为基底的模型上使用！
Knollingcase v1
v1 嵌入向量在 Automatic1111 的 WebUI 上使用 2 的批量大小、10% 的文本丢弃率、16 个向量，训练了 4000 次迭代。共使用了 69 张高质量标注的训练图像。
Knollingcase v2
v2 嵌入向量在 Automatic1111 的 WebUI 上使用 4 的批量大小、10% 的文本丢弃率、16 个向量，训练了 5000 次迭代。共使用了 78 张高质量标注的训练图像。
Knollingcase v3
v3 嵌入向量在 Automatic1111 的 WebUI 上使用 4 的批量大小、10% 的文本丢弃率、16 个向量，训练了 4000 至 6250 次迭代。共使用了 86 张高质量标注的训练图像。
Knollingcase v4
v4 嵌入向量在 Automatic1111 的 WebUI 上使用 4 的批量大小、10% 的文本丢弃率，训练了 4000 至 6250 次迭代。共使用了 116 张高质量标注的训练图像。
使用说明
要使用这些嵌入向量，请下载文件并将其重命名为希望使用的触发词。这些嵌入向量是使用 kc8、kc16、kc32 训练的，但任何触发词均可使用。
Knollingcase 风格被理解为一种概念置于一个光滑（有时带科幻感）的透明外壳展示柜中，背景极简。
推荐提示词：
推荐负面提示词：
模糊, 玩具, 卡通, 动画, 水下, Photoshop
推荐采样器：
DPM++ SDE Karras（用于示例图像）或 DPM++ 2S a Karras