Knife XL FFusion - CivitaI / LoRA + FA Text Encoder
详情
下载文件
关于此版本
模型描述
🗡️ FFusionAI 的刀具 LoRA 模型演示
本演示深入探讨了三种不同 LoRA 训练的细节。每个模型均在我们合作伙伴 NoramePhotography Studio 的专业环境中，使用 200 把刀具的独特数据集进行精心训练。视觉效果涵盖纯白工作室拍摄、古朴木纹背景、反光硬币以及奇幻风格的室内装饰。
🔍 数据集洞察：尽管数据集种类丰富，但其标签采用快速且非正式的方式整理，主要用于演示目的。若您对刀具拍摄感兴趣，并希望进行更深入的训练，请告知我们！
虽然深度变化功能正在开发中，但当前重点仍集中于评估不同的 LoRA 变体。
🎯 模型概览：
1. CivitAI 快速 LoRA 训练 (Lora1)
📌 亮点：
基于 CivitAI 新的 LoRA 训练器。
仅用 10 个 epoch，耗时约 20-30 分钟快速完成。
默认设置下质量可能略有波动，但时间就是效率！
📊 技术参数：
日期：2023-09-19T14:36:14
分辨率：1024x1024
架构：stable-diffusion-xl-v1-base/lora
网络维度/秩：32.0
Alpha：16.0
Knife_XL_FFusion.safetensors
Date: 2023-09-19T14:36:14 Title: Knife_XL_FFusion
Resolution: 1024x1024 Architecture: stable-diffusion-xl-v1-base/lora
Network Dim/Rank: 32.0 Alpha: 16.0
Module: networks.lora
Learning Rate (LR): 0.0005 UNet LR: 0.0005 TE LR: 5e-05
Optimizer: bitsandbytes.optim.adamw.AdamW8bit(weight_decay=0.1)
Scheduler: cosine_with_restarts Warmup steps: 0
Epoch: 10 Batches per epoch: 74 Gradient accumulation steps: 1
Train images: 282 Regularization images: 0
Multires noise iterations: 6.0 Multires noise discount: 0.3
Min SNR gamma: 5.0 Zero terminal SNR: True Max grad norm: 1.0 Clip skip: 1
Dataset dirs: 1
[img] 282 images
UNet weight average magnitude: 2.634092236933176
UNet weight average strength: 0.009947009810559605
Text Encoder (1) weight average magnitude: 1.696394163771355
Text Encoder (1) weight average strength: 0.008538951936953606
Text Encoder (2) weight average magnitude: 1.720911101275907
Text Encoder (2) weight average strength: 0.006699097931942388
2. 仅文本编码器 LoRA FA (Lora2)
📌 亮点：
仅对文本编码器进行训练。
此 LoRA 变体中不包含 UNet。
📊 技术参数：
日期：2023-09-19T20:04:24
分辨率：1024x1024
架构：stable-diffusion-xl-v1-base/lora
网络维度/秩：32.0
Alpha：32.0
Knife-FFusion-LoRA-FA.safetensors
Date: 2023-09-19T20:04:24 Title: Knife-FFusion-LoRA-FA
Resolution: 1024x1024 Architecture: stable-diffusion-xl-v1-base/lora
Network Dim/Rank: 32.0 Alpha: 32.0
Module: networks.lora_fa
Text Encoder (1) weight average magnitude: 3.986337637923385
Text Encoder (1) weight average strength: 0.018590648076750333
Text Encoder (2) weight average magnitude: 4.043434837883338
Text Encoder (2) weight average strength: 0.014620680042179104
No UNet found in this LoRA
3. 通用 LoRA 训练
📌 亮点：
全面的 LoRA 训练，具备多样化的参数配置。
使用包含 485 张刀具图像的庞大数据集进行训练。
📊 技术参数：
日期：2023-08-26T23:08:56
分辨率：1024x1024
架构：stable-diffusion-xl-v1-base/lora
网络维度/秩：32.0
Alpha：16.0
FF-Minecraft-XL Resolution: 1024x1024 Architecture: stable-diffusion-xl-v1-base/lora Network Dim/Rank: 32.0 Alpha: 16.0 Module: networks.lora Learning Rate (LR): 0.0005 UNet LR: 0.0005 TE LR: 5e-05 Optimizer: bitsandbytes.optim.adamw.AdamW8bit(weight_decay=0.1) Scheduler: cosine_with_restarts Warmup steps: 0 Epoch: 10 Batches per epoch: 121 Gradient accumulation steps: 1 Train images: 458 Regularization images: 0 Multires noise iterations: 6.0 Multires noise discount: 0.3 Min SNR gamma: 5.0 Zero terminal SNR: True Max grad norm: 1.0 Clip skip: 1 Dataset dirs: 1 [img] 458 images UNet weight average magnitude: 2.9987627096874507 UNet weight average strength: 0.011098071585284945 Text Encoder (1) weight average magnitude: 1.729993708156961 Text Encoder (1) weight average strength: 0.008685239007756952 Text Encoder (2) weight average magnitude: 1.7630326984758309 Text Encoder (2) weight average strength: 0.0068346636309082635
🎨 README 作者：🤖 & FFusionAI 🚀
🌐 联系方式
FFusion.ai 项目由 Source Code Bulgaria Ltd 与 Black Swan Technologies 联合维护。
📧 如有任何疑问或支持需求，请发送邮件至 [email protected]
🌌 关注我们：
🌍 索非亚 伊斯坦布尔 伦敦