前言

我最初在 v1.0 版本中使用这些模型进行学习和测试。同时，我撰写了一篇文章，介绍如何通过 LoRA 模型修改巴拿马草帽 [1]。

方法

截至目前，我使用 AUTOMATIC1111 及其 Extension TrainTrain 来训练 LoRA 模型。在我的本地安装环境中，其他 LoRA 训练方法均未成功或未达到预期效果。

模型功能

当权重设置为 1.0 时，该 LoRA 模型会生成一顶巴拿马草帽。

若权重低于 1.0，则该 LoRA 模型可修改图像中已有的巴拿马草帽。

目前该模型的表现并未达到我的预期。

触发词

所需的触发词为：

panama hat

在 v1.3 版本中，我将触发词更改为：

panamahat

版本

表现不佳的版本是 v1.0。其他后续版本可同时尝试，感觉它们能产生更好的结果。

版本 v1.3

最大训练步数为 5000，我以每 500 步保存一个版本。逐个尝试后发现，训练步数为 1000 的版本效果最佳。

测试用例

以下提示词是测试 LoRA 模型的合适案例：

 panama hat, <lora:PanamaHatConcept_v13:[1.0...1.4]>
 panamahat, <lora:PanamaHatConcept_v13:[1.0...1.4]>

权重在 1.0 至 1.4 范围内有效；当权重为 1.5 时会出现过拟合。

应获得如下的巴拿马草帽效果：

训练图像

我最初使用 20 张图像开始训练，最终使用了 36 张图像。这些训练图像从不同角度和位置展示了巴拿马草帽，所有图像的背景均为明亮且单色。

限制

使用 LoRA 模型时需明确其局限性：若未使用 LoRA 模型，且基础模型本身不认识巴拿马草帽，则无法凭空生成或修改不存在的巴拿马草帽。

结语

祝你今天愉快！祝你模型测试顺利！玩得开心，获得灵感！

参考文献

[1] https://civitai.com/articles/7481/using-lora-to-change-details-in-a-photo

捐赠

每一份 Buzz 都让我开心！黄色的尤其欢迎！

我也很高兴接受超过 250 种加密货币的捐赠：

https://nowpayments.io/donation/zentrocdot

捐赠时可附上您的建议，例如“改进文档”或“优化模型”等，以便我了解您的关注点。