AstolfoXL (1EP)

可能是第一个（也是唯一一个）采用高效参数微调并使用多GPU的独立完整微调模型。

LoKR 可用，但算了。我不做人了**，早苗！**

Discord: "祝你好运".

技术规格

• 基础模型：AstolfoMix-XL，版本 255c

• 技术报告：ch06

• 训练指标（tensorboard）：HF

• 数据集（图像 > latent）：danbooru2024，e621_2024

• 数据集（标签 + 描述）：meta_lat.json

• 1步 = 16张图像，4x RTX 3090 24G。

• 1EP 共77.8万步，8.0 + 4.6 = 1260万张图像

• 标签 + NLP 描述，采用A1111 token技巧

• 训练代码：PR不会被合并

• 训练参数：adamW8bit，UNET 1.5e-6，TE 1.2e-5，BS4（4 GPU）梯度累积4次，71% UNET（速度优先，必须欠拟合）

• 1EP 训练耗时 75-100+ 天。仅训练1EP。每1万步保存一次。

• 训练结果与损失曲线：HF中的Tensorboard

• 核心概念：无监督学习

• 期望效果：MID（100%无过滤，无质量标签）或“真实感”

使用方法

• 训练LoRA / 在此模型基础上合并。兼容性应仍接近215c。真实人类内容仍受支持。“信我，兄弟”。

• 艺术家标签可能无效，但我确实训练过。直接把你的“NAI”提示词扔这儿就行。

• 使用TIPO基于NLP扩展标签提示词。

• 短标签会受背景latent噪声影响。标签可参考E621或danbooru。

• 所有图像仅被训练一次。没有任务或KPI可追求，也无全知状态被保留。损失曲线平坦，既不收敛也不发散。

完整文档将发布，篇幅与AstolfoMix系列相当。