普罗米修斯

普罗米修斯被认为是由Proteus模型的创作者开发的Playground v2.5的首个完整秩微调模型。该文本到图像生成模型经过专门优化，以提升对开源社区的可用性。

关键特性与注意事项

推测为Playground v2.5的首个完整秩微调：

• 完整更新Playground v2.5架构的所有参数
• 对该特定基础模型采用独特的微调方法

增强的可用性：

• 通过大规模暴力手段移除了自定义采样方法
• 设计为更兼容标准开源工具与工作流程
• 应用后处理以确保与大多数SDXL LoRAs及工具的向后兼容性

输出特性：

• 致力于在输出的一致性与多样性之间取得平衡
• 可能表现出由训练过程带来的某些风格倾向

训练方法：

• 利用Proteus项目超过40万张图像的庞大数据集
• 采用大规模暴力训练方法
• 专注于在提升兼容性的同时保留模型能力

高级自定义CLIP集成：

• 集成经过精心训练的自定义CLIP模型
• 经过长期持续开发
• 针对Proteus与普罗米修斯的特定质量进一步微调
• 为获得最佳性能，需设置clip skip为2

关于普罗米修斯

普罗米修斯代表了为开源社区提升先进文本到图像生成能力的一次重要努力。基于Playground v2.5架构，该模型使用来自Proteus数据集的超过40万张图像进行了完整秩微调。其开发的关键在于通过大规模暴力手段移除自定义采样方法，使模型能更顺畅地与标准开源工具和流程协同工作。此外，普罗米修斯已实现与大多数SDXL LoRAs和工具的向后兼容。这一方法旨在平衡模型性能、兼容性与易用性。用户将获得反映其在Proteus大规模数据集上密集训练成果的输出，同时受益于与主流开源框架及现有SDXL生态系统的增强互操作性。

训练细节

基础模型：Playground v2.5
微调类型：完整秩（所有层均更新）
训练数据集：来自Proteus数据集的超过40万张图像，经过广泛精选与处理
训练方法：大规模暴力训练，专注于移除自定义采样方法的同时保留模型能力
微调技术：与开源工具兼容的标准优化方法
特殊处理：应用后处理以确保SDXL LoRA和工具兼容性

推荐设置

Clip Skip：2
CFG Scale：7
Steps：25 - 50
Sampler：DPM++ 2M SDE
Scheduler：Karras
Resolution：1024x1024