gangut (Kantai Collection)

• 由于 Civitai 的服务条款，部分图片无法上传。完整的预览图片请见 HUGGINGFACE。
• 此模型包含两个文件。如果您使用的是 a1111 的 WebUI v1.6 或更低版本，必须同时使用这两个文件！！！。如果您使用的是 WebUI v1.7+，只需像普通 LoRA 一样使用 safetensors 文件即可。
• 精简后的角色标签包括：long_hair、grey_hair、breasts、scar_on_face、hat、peaked_cap、orange_eyes、hair_between_eyes、large_breasts、red_eyes、military_hat。当角色的核心特征（如发色）不够稳定时，您可以将这些标签添加到提示词中。
• pt 文件的推荐权重为 0.7–1.1，LoRA 的推荐权重为 0.5–0.85。
• 图片使用了一些固定提示词和基于数据集聚类的提示词生成。使用了随机种子，排除了人为挑选。您看到的就是您能得到的。
• 服装未进行专门训练。您可以查看我们提供的预览帖，获取与服装对应的提示词。
• 本模型使用 849 张图片 训练。
• 我们自动选择的训练步数为 5325，以平衡模型的保真度与可控性。以下是所有步骤的概览。您可以在 huggingface 仓库 - CyberHarem/gangut_kantaicollection 中尝试其他推荐步数。

如何使用此模型

此模型包含两个文件。如果您使用的是 WebUI v1.6 或更低版本，必须同时使用这两个文件！！！ 在这种情况下，您需要下载 gangut_kantaicollection.pt 和 gangut_kantaicollection.safetensors，然后将 gangut_kantaicollection.pt 放入 embeddings 文件夹，并同时将 gangut_kantaicollection.safetensors 作为 LoRA 使用。如果您使用的是 WebUI v1.7+，只需像常规 LoRA 一样使用 safetensors 文件即可。这是因为嵌入式 LoRA/Lycoris 模型现已得到 a1111 WebUI 的官方支持，详情请参见此处。

このモデルには2つのファイルがあります。WebUI v1.6 以下のバージョンを使用している場合は、これらを一緒に使用する必要があります！！！ この場合、gangut_kantaicollection.pt と gangut_kantaicollection.safetensors の両方をダウンロードする必要があり、 その後、gangut_kantaicollection.pt を embeddings フォルダに入れ、同時に gangut_kantaicollection.safetensors をLoRAとして使用します。 webui v1.7+を使用している場合、一般的なLoRAsのようにsafetensorsファイルを使用してください。 これは、埋め込みバンドルされたLoRA/Lycorisモデルが現在、a1111のwebuiに公式にサポートされているためです。 詳細についてはこちらをご覧ください。

此模型包含两个文件。如果您使用的是 WebUI v1.6 或更低版本，您需要同时使用这两个文件！ 在这种情况下，您需要下载 gangut_kantaicollection.pt 和 gangut_kantaicollection.safetensors 两个文件， 然后将 gangut_kantaicollection.pt 放入 embeddings 文件夹中，并同时使用 gangut_kantaicollection.safetensors 作为 LoRA。 如果您正在使用 webui v1.7 或更高版本，只需像常规 LoRAs 一样使用 safetensors 文件。 这是因为嵌入式 LoRA/Lycoris 模型现在已经得到 a1111's webui 的官方支持， 更多详情请参见这里。

触发词为 gangut_kantaicollection，精简标签为 long_hair, grey_hair, breasts, scar_on_face, hat, peaked_cap, orange_eyes, hair_between_eyes, large_breasts, red_eyes, military_hat。当某些特征（例如发色）有时不够稳定时，您可以将这些标签添加到提示词中。

模型训练方式

• 本模型使用 HCP-Diffusion 进行训练。
• 自动训练框架 由 DeepGHS 团队 维护。
• 训练所用的基础模型为 deepghs/animefull-latest。
• 训练数据集为 CyberHarem/gangut_kantaicollection 中的 stage3-p480-800，共包含 849 张图片。
• 批次大小为 4，分辨率为 720x720，聚类为 5 个组。
• 正则化数据集的批次大小为 2，分辨率为 720x720，聚类为 20 个组。
• 训练了 8520 步，保存并评估了 40 个检查点。
• 我们自动选择的步数为 5325，以平衡模型的保真度与可控性。

更多训练细节及推荐步数，请参阅 huggingface 仓库 - CyberHarem/gangut_kantaicollection。

为何部分预览图看起来不像角色

预览图中使用的所有提示词（可通过点击图片查看）均是基于从训练数据集中提取的特征信息，通过聚类算法自动生成。图像生成过程中使用的种子也是随机生成的，且未进行任何筛选或修改。因此，可能出现上述问题。

在实际使用中，根据我们的内部测试，大多数出现此类问题的模型在真实应用中的表现通常优于预览图所展示的效果。您可能需要做的只是调整所使用的标签。

我觉得此模型可能过拟合或欠拟合，该怎么办？

此处显示的步数为自动选择的结果。我们还为您推荐了其他优质步数供尝试。点击此处选择您喜欢的步数。

我们的模型已发布于 huggingface 仓库 - CyberHarem/gangut_kantaicollection，其中保存了所有步数的模型。此外，我们也将训练数据集发布于 huggingface 数据集 - CyberHarem/gangut_kantaicollection，这或许对您有帮助。

为何不直接使用筛选出的更好图片？

本模型从数据采集、训练、生成预览图到发布，整个流程完全自动化，无人工干预。这是我们团队进行的一项有趣实验，为此我们开发了一整套软件基础设施，包括数据过滤、自动训练和自动化发布。因此，若您能提供反馈或建议，我们将非常感激，因为这些对我们至关重要。

为何无法精确生成角色期望的服装？

我们当前的训练数据来源于多个图片网站，对于全自动流程而言，准确预测某个角色拥有哪些官方图像是非常困难的。因此，服装生成依赖于基于训练数据集标签的聚类，以尽可能还原效果。我们将持续改进这一问题，但目前仍难以彻底解决。服装还原的准确度也难以达到人工训练模型的水平。

事实上，本模型最大的优势在于能够还原角色本身的固有特征，并因其更大的数据集而具备较强的泛化能力。因此，本模型非常适合用于更换服装、调整角色姿态，当然也包括生成角色的 NSFW 图像！😉

以下群体不建议使用本模型，我们深表遗憾：

1. 无法容忍角色设计中任何细微偏差的用户。
2. 对角色服装还原精度要求极高的应用场景用户。
3. 无法接受基于 Stable Diffusion 算法生成图像时可能存在的随机性用户。
4. 不适应使用 LoRA 自动训练角色模型的流程，或认为训练角色模型必须完全手动操作以示尊重的用户。
5. 认为生成内容冒犯其价值观的用户。