炼丹

接下来就可以看到训练过程了，每训练50步，右下角就会生成一张图，方便查看目前的效果。这个图会随着训练的进行越来越像，静下心慢慢等待吧。训练完毕之后，这里会有一个loss值，这代表着一个深度学习的效果，数值在0.07-0.09之间是最优的，如果数值太大说明学习效果不好。我们这个丹是0.0734，所以目前来看还是不错的。然后我们点击这个模型文件夹，就可以看到我们的炼丹成果了。一共有10枚丹，我们改一下名字，将第一枚丹的后缀改为“……000010”。至此，我们的训练过程就全部结束。[heading1]#跑图测试[content]炼丹完成并不意味着结束，这些丹到底成不成功呢？我们还需要将这些丹放入SD当中，进行跑图测试。不然的话，万一……

选一个基础大模型，我使用的是“麦橘写实”，然后填一个lora的名字。准备好之后，将照片导入到丹炉，选择适合的分辨率，可以勾选“脸部加强训练”，然后点击“预处理”。其实这里有一个自动的裁剪模式，但是我试过觉得自动的不太靠谱，所以还是手动裁吧。预处理之后，就会出现一个脸部的文件夹，和一个整体的文件夹，并且每一张照片都已经自动打好了tag标签。我们可以给整体添加统一的标签，也可以单独给每一张修改标签。这个标签的作用主要是帮助AI去理解我们的图片，告诉它画面里面有什么。这里要注意的是，如果你想让这个特征成为人物的固定的效果，你就不要填写这个关键词。比如我不描写他的发型，只描写他的头发颜色，那么后期出图的时候，他的发型就不能被改变，但是头发颜色却可以被改变。这个过程挺漫长的，每一张图片都要仔细检查，打标的好坏会影响到后面人物lora是否有比较好的泛化性。所以如果你想让你的人物能多一些变化，就尽量描述的详细一些吧。[heading1]#03[heading1]参数调整[content]前面两个环节比较重要，这个参数调节其实就可以佛系一点了。大部分参数是固定的，主要的几个按照我之前讲解过的人物参数配置一遍就可以了，后期再根据生成的结果来调整。设置好之后就可以开始训练了。[heading1]#04[heading1]炼丹[content]18张脸部图片，20张整体图片，各训练50步，循环训练10次，并行步数为1，所以训练总步数为19000，训练时长为45分钟，loss值为0.0769。从数值上来看是个不错的丹，但具体好坏还是要我们自己通过测试来判断，毕竟像不像只有我们自己知道。[heading1]#05

我们进入SD的lora文件夹中——E:\sd-webui-aki-v4.2\models\Lora，新建一个文件夹，命一个名字“tifa”。将这十枚丹全部放入其中，然后启动SD。打开lora选项卡，刷新一下，就可以看到这十个lora了。我们将一张tifa的图片放入WD 1.4标签器中，反推关键词，然后发送到文生图。在正向提示词的结尾加上第一个lora。更改一下代表单词，将编号“00001”改为“NUM”，将权重“1”改为“STRENGTH”。使用XYZ脚本，提示词替换，x轴设置为“NUM,000001,000002,000003,000004,000005,000006,000007,000008,000009,000010”；y轴设置为“STRENGTH,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1”。这样就可以测试出不同的lora，在不同的权重之下的效果。点击生成，经过一段时间的渲染，我们就得到了一张lora的测试图。接下来，我们就要在茫茫多的tifa当中，用肉眼来寻找里面觉得最像的一张，这个过程是艰辛的，大家要坚持住，我们就快成功了。经过对比，我觉得编号00003在权重为1时是最像的，那就决定是你了！接下来，我们就换一换提示词，使用选定的这个3号lora在不同提示词下生成一些图片，看看效果如何。效果看起来还是不错的，这样我们的第一枚丹就算是炼好了，虽然不能说是一模一样，但还是有几分神似的，毕竟我们的训练图只有5张。分享到这里告一段落，对丹炉感兴趣的朋友，可以添加我的公众号【白马与少年】，回复【炼丹】即可。-END-