1 기본 소개(Introduction)

kohaku-epsilon-rev2를 기반으로 학습되었으며, 가중치는 1로 설정하면 충분합니다. NovelAI V3에서 스스로 생성한 1172장의 이미지를 사용했으며, 학습 파라미터는 다음과 같습니다:

Trained based on kohaku-epsilon-rev2, setting the weight to 1 is fine. Used 1172 images generated by myself in NovelAI V3. The training parameters are as follows:

model_train_type = "sdxl-lora"
pretrained_model_name_or_path = "E:/AI/lora-scripts-v1.8.5/sd-models/kohaku-xl-epsilon-rev2.safetensors"
v2 = false
train_data_dir = "E:/AI/lora-scripts-v1.8.5/train/5_style5"
prior_loss_weight = 1
resolution = "1024,1024"
enable_bucket = true
min_bucket_reso = 512
max_bucket_reso = 1536
bucket_reso_steps = 64
output_name = "hxtest1"
output_dir = "./output"
save_model_as = "safetensors"
save_precision = "bf16"
save_every_n_epochs = 1
max_train_epochs = 10
train_batch_size = 1
gradient_checkpointing = false
network_train_unet_only = false
network_train_text_encoder_only = false
learning_rate = 0.0002
unet_lr = 0.00001
text_encoder_lr = 0.00001
lr_scheduler = "cosine"
lr_warmup_steps = 3000
optimizer_type = "PagedAdamW8bit"
network_module = "lycoris.kohya"
network_dim = 64
network_alpha = 32
train_norm = false
log_with = "tensorboard"
logging_dir = "./logs"
caption_extension = ".txt"
shuffle_caption = true
keep_tokens = 0
max_token_length = 255
seed = 1337
mixed_precision = "bf16"
xformers = true
lowram = false
cache_latents = true
cache_latents_to_disk = true
persistent_data_loader_workers = true
network_args = [ "conv_dim=4", "conv_alpha=1", "dropout=0", "algo=locon" ]

테스트 결과, 최종 버전이 종합적으로 더 우수한 효과를 발휘하는 것으로 판단되었습니다.

2 모델 테스트(model test)

2-1 개요(overview):

모델이 다양한 베이스 모델에서의 테스트 결과는 다음과 같습니다:

kohakuXL-epsilon-rev2: kohakuXL-epsilon-rev2를 사용하는 것이 가장 좋습니다(새로운 버전의 kohakuXL이 출시되었다면 시도해보세요);
animagineXL: animagineXLV31에서 테스트한 결과도 뚜렷하게 나타났으며, 이 모델은 animagineXL을 베이스로 한 다양한 모델에도 적용 가능할 것으로 추정됩니다;
ponyDiffusionV6XL: 여러 차례 테스트한 결과, 이 모델은 ponyDiffusionV6XL에서 효과가 미미했습니다. 이 스타일은 이미 tPonynai3라는 이름으로 다른 사람이 구현했으며, 그 효과는 매우 우수합니다;
tPonynai3_v4: 저도 tPonynai3을 베이스 모델로 테스트해보았으며, 이 모델이 생성 결과에 일정한 영향을 미치는 것으로 나타났습니다(긍정적 및 부정적 효과 모두 존재). tPonynai3을 베이스로 이미지를 생성할 경우, 본 모델을 시도해보세요;
anythingXL: 이 모델은 anythingXL에도 일부 적용 가능하지만, anythingXL 자체가 이미 매우 귀여운 스타일이기 때문에 효과가 크게 나타나지 않을 수 있습니다.

본 모델을 적용하면 생성 결과에 변화가 생길 수 있습니다.

The testing results of the model on various base models are as follows:

kohakuXL-epsilon-rev2: It is best to use kohakuXL-epsilon-rev2 (if a newer version of kohakuXL is available, it is worth trying).
animagineXL: The test results in animagineXLV31 were also significant. I speculate that this model can also be used in various models based on animagineXL.
ponyDiffusionV6XL: After multiple tests, the effect of this model in ponyDiffusionV6XL is not obvious. This style has already been achieved by someone else, named tPonynai3, with excellent results.
tPonynai3_v4: I also tested with tPonynai3 as the base model and found that this model can influence its generation results (both positively and negatively). If using tPonynai3 as the base model to generate images, it is worth trying this model.
anythingXL: This model is also somewhat applicable to anythingXL, but since this model is inherently very cute, the effect may not be very noticeable.