crying_with_tears_flux

V2.0

特别感谢：

• 涙/tears (Pony)

• T-ponynai3

数据集可下载（26张图像）。工作流程与V1.0类似，但我更改了生成的模型，以获得动漫风格的训练数据集。通过添加额外的提示，您可以调整姿势（向上/向下看、微笑等）。

我发现了一点：当我使用写实风格的训练数据时，LoRA可以生成写实照片，但很难生成动漫风格的图像（即使添加了“动漫”提示）。另一方面，使用动漫训练数据效果很好。在生成时添加“照片写实”提示，可以避免产生动漫风格。

（我在训练数据中添加了“动漫风格”标签，可能产生了影响？）

{
  "engine": "kohya",
  "unetLR": 1,
  "clipSkip": 1,
  "loraType": "lora",
  "keepTokens": 0,
  "networkDim": 2,
  "numRepeats": 6,
  "resolution": 512,
  "lrScheduler": "cosine",
  "minSnrGamma": 5,
  "noiseOffset": 0.1,
  "targetSteps": 1040,
  "enableBucket": true,
  "networkAlpha": 12,
  "optimizerType": "Prodigy",
  "textEncoderLR": 0,
  "maxTrainEpochs": 20,
  "shuffleCaption": false,
  "trainBatchSize": 3,
  "flipAugmentation": false,
  "lrSchedulerNumCycles": 3
}

最终，我选择了第18个epoch的模型进行发布。

---

V1.0

特别感谢：

• 涙/tears (Pony)

• AutismMix SDXL (Pony)

数据集可下载（27张图像），由上述两个模型生成（1024×1024，后缩小至512×512）。接着我使用WebUI中的工具进行自动标注，并基于这些自动生成的标签，用自然语言手动重新标注。最后，使用此LoRA，通过添加额外提示，您可以调整姿势（向上/向下看、咧嘴笑、微笑、闭嘴等）。

训练参数：

{
  "engine": "kohya",
  "unetLR": 1,
  "clipSkip": 1,
  "loraType": "lora",
  "keepTokens": 0,
  "networkDim": 2,
  "numRepeats": 6,
  "resolution": 512,
  "lrScheduler": "cosine",
  "minSnrGamma": 5,
  "noiseOffset": 0.1,
  "targetSteps": 1080,
  "enableBucket": true,
  "networkAlpha": 12,
  "optimizerType": "Prodigy",
  "textEncoderLR": 0,
  "maxTrainEpochs": 20,
  "shuffleCaption": false,
  "trainBatchSize": 3,
  "flipAugmentation": false,
  "lrSchedulerNumCycles": 3
}

我认为最终的epoch比第19个epoch略好，因此我选择了最终版本。