BohoTI

这是一个实验，旨在尝试制作一个 TI 嵌入模型，以捕捉 konyconi 的 BohoAI LORA 的风格。

/model/51966/bohoai

感谢 @konyconi 分享其数据集，才有了出色的 BohoAI LORA。

/model/52697/tutorial-konyconi-style-lora

展示所使用的两个模型：

revAnimated_v122.safetensors [4199bcdd14]，clip skip = 2

avalonTruvision_v2.safetensors [a4df55d292]，clip skip = 1

这个 TI 可以生成一些还不错的波西米亚风格图像，但有时会混淆……例如要求画一艘宇宙飞船，却生成了一辆卡车。也许对于这类 TI，需要在训练数据集中使用更多图片，并包含更多的主题变化？

---------------------------

更新 2023 年 5 月 9 日

继续训练至第 4000 步，然后是 5000 步。

kcboho07-4000 生成的波西米亚风格更强。

kcboho07-5000 更强，但出现了重复/重复现象，例如手指、手更多，天空中漂浮着重复的城市。

尝试了 6000 步，结果更差——过度训练。

我已上传 4000 步版本，可能是本次实验的最佳结果。

也上传了 5000 步版本，因为用小心引导对象提示词仍能产生不错效果。

---------------------------

我一直为如何制作一个风格 TI 感到困扰……

什么样的训练数据集才算好？

在 automatic1111 中应使用什么训练设置？

TI 应该训练多久？

对于我的训练数据集，我将 konyconi 的 76 张 1024x1024 图片复制到新文件夹中，去掉对应的 TXT 文件，并全部缩小为 512x512。然后我将它们重命名为 “01 aeroplane.png”、“02 city.png”、“03 tank.png” 等等。

为什么？因为我试图模仿过去能生成可用 TI 的做法。这里所说的缩小后的图片数据集文件夹，就是下面设置所使用的。

automatic1111 文本反转（Textual Inversion）的维基页面如下：

https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Textual-Inversion

但非常过时。最后更新于 1 月 5 日，而我正在 5 月 8 日撰写此文。

我部分参考了这一讨论帖，内容详尽，值得一读！

https://github.com/AUTOMATIC1111/stable-diffusion-webui/discussions/1528

训练模型：v1-5-pruned.ckpt [e1441589a6]

我选择它是因为我不知道更好的，而且过去用过效果不错。我是否应该用其他模型进行训练？还是应该使用基础的 SD15？我不确定。

创建嵌入：

名称：kcboho07

初始化文本：boho style photo

每标记的向量数：4

训练嵌入：

嵌入名称：kcboho07

嵌入学习率：0.001:250, 0.0005:500, 0.00075:1000, 0.001

梯度裁剪：禁用

批量大小：1

数据集目录：你电脑上存放的位置

日志目录：textual_inversion

提示模板：minimum_style_2.txt

该模板有三行：

<<<

[name] style, [filewords]

[name] style, a photo of [filewords]

[name] style, an illustration of [filewords]

宽 = 高 = 512

不调整图像大小：关闭

最大步数：3000

保存图像的步数：25

保存嵌入的步数：25

使用 PNG 透明通道：关闭

在 PNG 块中保存嵌入图像：开启

从 txt2img 选项卡读取参数：关闭

打乱标签：关闭

丢弃标签：0

潜在采样方法：确定性

训练时间：在 2060/6GB 显卡上，每 1000 步约需 50 分钟。

3000 步的 TI 确实能生成波西米亚风格，但我认为与 BohoAI LORA 相比，效果仍不稳定。

如果有人对我的做法有不同建议，请留下评论。或如果我做了什么明显愚蠢的事情！ :-）