The Garbage-Bin | Chaos Enhancer + Concepts LyCORIS

你那有个不错的老婆呢。要是有人把她浸在Papa John's的蒜香黄油酱里，那就太可惜了。

*示例图像提示已从InvokeAI语法转换，以避免混淆。仅供参考，可能不完全准确。我仅使用Invoke。

欢迎来到垃圾箱，这是一个在441张完全疯狂的图像数据集上训练的LoHa LyCORIS（在Automatic1111上需要安装扩展），旨在帮助创造混乱与凌乱的意大利面噩梦。如有需要，可安全地将强度调至较高水平（某些模型可达1.5）。该模型基于526Mix训练，主要使用526Mix的txt2img生成图像，因此在使用526Mix时建议降低强度，而在其他谱系模型上则可提高强度。

该LoHa有两种版本：

1. 一个稍强且更具创意的版本，旨在捕捉更多风格元素与子概念，但可能与某些模型或风格产生冲突。

2. 一个稍弱且更纯粹的版本，训练更专注于核心概念本身。更安全，但可能需要更多微调。

使用与概念

被动模式

在被动使用时，该LoHa可帮助提升由混乱提示所激发的混乱与创意。

不过，你仍需先具备一定的混乱基础才能受益。如果你的提示和模型仅生成出“混乱度”为100分中的2分的图像，即使将其混乱度翻倍，你依然处于最低水平。你明白我的意思了吗？很好。

请注意，效果在不同模型与提示间会有巨大差异。我无法保证你的满意度，这需要你自己去发现。

某些模型始终会比其他模型表现更差，尤其是当你的模型高度专精于某一特定主题时。即使是一些较基础的模型，如MeinaMix或西方动画，也可能无法像MothMix或526Mix那样获得同样的疯狂效果，而只是获得一些细微调整。

概念

该LoHa包含几个特殊训练的概念。目前包括：

1. 意大利面。在给予足够权重时，可提升意大利面的数量与质量。

2. 凌乱。想象你端着一份加了大量酱汁的深盘千层面，结果绊倒了。在跌倒的慌乱中，你一拳将空中的千层面打向了吊扇。

3. 湿透。潮湿。

4. 噩梦。有待改进。它会做点什么。但我不确定是什么。

没错，这些就是触发词。

训练

该LoHa基于441张图像训练而成，这些图像与提示均直接来源于InvokeAI Discord服务器中“垃圾箱”频道的杰出学者们。数据集中至少90%由526Mix-V1.4.5生成，其中绝大多数图像采用摄影风格，并使用负面嵌入以增强真实感。

训练过程颇具挑战性。尽管我竭尽全力，但在基础Stable Diffusion 1.5或类似DreamShaper的1.5混合模型上训练时，仍会过度捕捉细节与光影效果。为将概念与细节、风格分离，纯概念版本的训练直接基于526Mix进行。为创建稍强的版本，将526Mix与基础Stable Diffusion 1.5按25%比例混合后重复训练。

训练通过kohya_ss GUI实现，使用DAdaptAdam优化器，权重衰减为0.75。以下是训练LoHa所用命令的相关参数：

accelerate launch --num_cpu_threads_per_process=2 "train_network.py" --enable_bucket --network_alpha="16" --save_model_as=safetensors --network_module=lycoris.kohya --network_args "conv_dim=1" "conv_alpha=1" "use_cp=False" "algo=loha" --network_dropout="0" --text_encoder_lr=1.0 --unet_lr=1.0 --network_dim=32 --lr_scheduler_num_cycles="4" --scale_weight_norms="1" --learning_rate="1.0" --lr_scheduler="cosine" --lr_warmup_steps="260" --train_batch_size="1" --max_train_steps="2604" --save_every_n_epochs="1" --mixed_precision="fp16" --save_precision="fp16" --caption_extension=".txt" --cache_latents --optimizer_type="DAdaptAdam" --optimizer_args weight_decay=0.75 decouple=True betas=0.9,0.99 --max_data_loader_n_workers="0" --keep_tokens="1" --bucket_reso_steps=64 --min_snr_gamma=5 --mem_eff_attn --shuffle_caption --bucket_no_upscale

在我那台可怜的RX 6600显卡上（批次大小超过1即显存溢出），训练耗时约54分钟。