Cnn

$$
\omega_{t+1} = \omega_t - \alpha \nabla f(\omega_t)
$$

• $\alpha$为学习率
• $\nabla f(\omega_t)$为梯度

• 目前sd1.5我主要试了3种微调方法, dreamBooth, lora, lycoris

• 说实话我感受不到这个微调方式的任何优势, 属于花好几倍的时间, 呈现出来的效果却不理想, 不管是人物训练还是画风训练, 而且对显存要求也高, 最后的模型还很大!

• 推荐指数: 极低

• 这是原ai图, 是用sd的一个微调模型生成的:
  

• 这是修复后的图:
  

• 用sd的inpaint局部重绘? 然后加上controlNet? 各种教程的都教人这么去搞, 然后效果就是一坨! 首先重绘出一只完美的手就要换时间不停重试,
  好不容易roll出一只好手, 重绘区域却和整体图片有违和感, 对于违和感是0容忍的, 对于一幅插画来说, 这比手脚崩坏严重多了; 在无数次重试,
  我发现几个小时就过了…

• 总结, 重绘就是陷阱, 不要陷进去, 至少目前是这样的, 未来不好说

• 最近ai炼丹嫌找炼丹素材麻烦, 就写了个按danbooru tag爬图的脚本, 没什么第三方依赖, 想用直接copy去跑就行

1. 把脚本里面的your_username和your_password替换成你的danbooru账号密码(账号在https://danbooru.donmai.us注册)
2. main里面, 在tag填上要爬取的tag, save_dir为爬取的图片的保存路径
3. 如果需要通过代理爬取, 把use_proxy置为True, 然后改下proxies变量的代理地址即可

• 当然, 这仅仅是训练一个sd的微调模型

• 想训练个画风, 但素材不多, 可预见的效果不会好到哪去
  

• 主要的几个训练参数如下:

• 毫无意外的过拟合了
  
  
  

• $ 单行公式 $
• $$ 多行公式 $$
• \\ 公式内换行符
• \! 跟随
• \, 小空格
• \; 中空格
• \ 大空格(约1字符)
• \quad 巨大空格(约2字符)
• \qquad 超巨大空格(约4字符)
• _ 下标 ^上标

• 预览
  $$
  f(x) \
  x \pm y \
  x \times y \
  x \div y \
  x \cdot y \
  x^y \
  x_i \
  x_{i+1} \
  x^i_j \
  \dfrac{x}{y} \
  \sqrt{x} \
  x \gt y \
  x \lt y \
  x \ge y \
  x \le y \
  \cdots \
  \infty \
  \sin \
  \cos \
  \tan \
  \cot \
  \vec{x} \
  \sum_{x}^{y} \
  \prod_{x}^{y} \
  \lim_{x} \
  $$
• 对应的markdown

• 临摹大佬的作品的时候丰富的颜色会反而产生莫名的干扰, 所以希望能转成干净的线稿!
• PS的滤镜效果不理想, 也找不到其他合适的工具, 故自己撸一个试试

• https://github.com/shuoGG1239/Paint2Sketch

• 截图识别
  
• 图片识别
  

https://github.com/shuoGG1239/Image2Text