KM_Model_splicing_material_demonstration

通过感觉来理解未知的事物，这疑似有点太原始了，但是你有更好的方法吗。

一次完整的模型处理需要13个流程，这些流程分为3种，总之我会尽量完整的解释给你们

流程1拆解

模型 A ：(被提取模型) 模型 B ：Extract component B 模型 C : Extract component C

α= -1

流程2阶段提取

模型 A ：流程1提取物 1 模型 B ：(被提取模型) 模型 模型 C ：流程1提取物 1

α= 2

进行这一步混合后会得到 流程1提取物2，之后你需要不断更换模型A和模型C 用于得到 流程1提取物4

我简单介绍一下获取的模型类型

流程1提取物 1：通过提取模型以及混合算法，去除了被提取模型的基础部分，而留下来的则是这个模型的画风。这部分我称作画风1.0

流程1提取物 2：基础1.0 、流程1提取物 3：画风2.0 、流程1提取物 4：基础2.0

流程3提纯 流程3需要结合之前的流程使用

模型 A ：画风2.0 模型 B ：画风2.0拆解 流程1提取物 3 模型 C ：画风2.0

α = -1

现在这个模型就回到了未拆解的阶段，并成功的进行了活性化

基础2.0的混合路线也是如此

这种方式也可以增加提取物信息的深度，不过需要进行一些调整

我承认我并不是一个专业的研究者，我所做的一切或许毫无意义，又或者我发现的都是错误的，总之，我现在已经感到了疲劳，显然我已经失去了热情。我把大量的时间用在模型混合上，但始终没有得到突破式的发展，或许从最开始我的方向便是错误的。模型训练是AI的正确路线，模型混合不是。模型版本升级是正确路线，模型混合不是。所以你有什么想法吗。