FF-Woman-LoRA-FA-Text-Encoder-Enhancer
详情
下载文件
关于此版本
模型描述
女性-LoRA-FA-女性-文本编码器增强器
由 Casanova & kohya-ss 添加
实验性
LORA-FA 可能完全不适用于所有情况 ¯\_(ツ)_/¯ 🤟 🥃
🚀 推出 Stable Diffusion XL LoRA FA 🚀
深入文本编码的未来，体验我们前沿的 Stable Diffusion XL LoRA FA。该模型在 5850 个文件（内容安全！）的大规模数据集上训练而成。
🔍 核心特性：
仅文本编码器：专注且专业，此模型专精于文本编码的精准性。
依赖 UniNet：我们的模型高度依赖当前模型的 U-Net，确保顶级性能。
ss_network_module：基于实验性的 Kohya “networks.lora_fa”，专为高效与速度而构建。
🛠 技术规格：
自适应噪声尺度：微调至 0.011，确保最优噪声管理。
最大桶分辨率：强大的 2048，满足高分辨率需求。
数据加载器工作线程：最大 8 个，专注多任务与速度。
最大分辨率：清晰的“1024x1024”，因为清晰度至关重要。
噪声偏移：设为 0.08，类型为“Original”，旨在保持完美平衡。
CPU 线程：8 个线程协同工作，实现无缝处理。
优化器：“Prodigy”为主导，通过权重衰减、解耦和偏置校正等参数，引导模型臻于完美。
预训练模型：基于著名的 “FFusion/FFusionXL-BASE”。
训练注释：“FFusion Stage o7 - WoMM-TE”，因为每件杰作都有其独特签名。
步入文本编码的新世代。欢迎体验 Stable Diffusion XL LoRA FA。🌌
https://arxiv.org/abs/2308.03303
在 5850 个文件 上训练 3,513,965,736 字节 [SFW]
仅文本编码器
高度依赖当前模型的 U-Net。
通过利用当前模型 U-Net 的优势，LoRA FA 确保您同时获得效率与顶级性能。
新的 LoRa FA 算法是一种自适应算法，可根据当前信道条件为每次传输动态选择扩频因子（SF）。这与先前对所有传输使用固定 SF 的算法不同。
新算法首先估计信道的信噪比（SNR）。SNR 衡量信号相对于噪声的强度。SNR 越高，信道条件越好。
一旦估计出 SNR，算法将选择能提供最佳范围与可靠性权衡的 SF。例如，若 SNR 较低，算法将选择较低的 SF 以提高可靠性；若 SNR 较高，则选择较高的 SF 以提升传输距离。
研究表明，新的 LoRa FA 算法显著提升了 LoRaWAN 网络的性能。在一项研究中，该算法将数据包错误率（PER）降低了高达 20%。
以下是新 LoRa FA 算法的一些主要特性：
- 它是自适应的，能够根据当前信道条件动态选择每次传输的 SF。
- 它是高效的，不需要大量处理能力或带宽。
- 它是鲁棒的，能够在多种信道条件下良好工作。
新的 LoRa FA 算法相较于旧算法有显著改进，预计会使 LoRa 网络更可靠、更高效。
由 Casanova & kohya-ss 添加
实验性
ss_network_module: "networks.lora_fa"
"adaptive_noise_scale": 0.011,
"max_bucket_reso": 2048,
"max_data_loader_n_workers": "8",
"max_resolution": "1024,1024",
"noise_offset": 0.08,
"noise_offset_type": "Original",
"num_cpu_threads_per_process": 8,
"optimizer": "Prodigy",
"optimizer_args": "weight_decay=0.01 decouple=True d0=0.0001 use_bias_correction=True",
"pretrained_model_name_or_path": "FFusion/FFusionXL-BASE",
"training_comment": "FFusion Stage o7 - WoMM-TE",