Breaking New Grounds - Full Glass of Wine + Diverse Clocks

为什么？

这个 LoRA 模型旨在解决机器学习图像生成模型中的“草莓”问题。

“哦，你的十亿美元算法连完整的酒杯问题都解决不了！”

现在不再是了。

开源属于每个人

开源不受大型企业工作流程和流程的束缚。在手动为 20 张图片添加字幕之后，我仅用 32 分钟就训练出了这个模型。

训练详情：

轮数：12

步数：1920

优化器：--optimizer_type=adopt.ADOPT

学习率：8e-5

TE 学习率：4e-5

调度器：constant_with_warmup 2%（重要：为冷藏的酒杯预热）

秩：128/64

去偏估计损失：True

不进行翻转或字幕打乱，因为翻转对时钟效果不佳（显而易见）。

准备与训练过程中遇到的问题：

• 找到完整的酒杯图片和显示不同时间的时钟稍微困难一些（显而易见）。感谢 Reddit 提供时钟，Instagram 提供完整酒杯。有些人真是动物。

• 我发现自己竟然忘了怎么读指针钟。有些图片的字幕可能标注错了。

• 酒杯和时钟的偏差比预期更难完全纠正。

• OOD 生成效果仍不理想。可能需要更多样本和更多步骤。