Stable Diffusion进阶篇：模型训练（附秋叶模型训练器）

news2024/11/15 8:37:26

前言

今天就来学习下Stable Diffusion关于微调训练方面的知识点。

今天没多少废话，因为我下午要去玩PTCG！让我们冲冲冲

整理和输出教程属实不易，觉得这篇教程对你有所帮助的话，可以点击👇二维码领取资料😘

数据集

现如今Stable Diffusion作为最炙手可热的AI绘画工具，它的训练规模肯定是极为庞大的。

在最开始的时候，官方的V1.1版本说是用了世界上最大规模的多模态图文数据集LAION-2B来进行训练，其中的B代表着Billion（十亿）。

这个数据集有着约23.2亿对图片和对应文本描述的庞大数据集：

最新的LAION-5B约有58.5亿

Stable
Diffusion官方在这个基础上训练了超过40万步，每个版本追加了更高清的图片进行优化，而SD1.5版本就是建立在LAION-5B数据集基础上。

这样庞大的数据集训练成本当然是很高的

Stable Diffusion团队共使用了256块英伟达A100GPU，训练了15万个小时共计成本约60万美金，而其竞争对手Dalle2的训练开销约在其7-8倍左右。

现在许多人手机上都有的GPT4训练成本已然超过了1亿美金，回过头看感觉Stable Diffusion还挺有性价比的。

当然看到这里也不要紧张，我们自己训练的模型并不需要这么大规模和这么多钱。

目前AI绘画领域所讨论的所有模型训练都是建立在这些官方已经花了很多钱和时间训练出来的开源模型（预训练模型）基础上。

所以现在绝大多数个人用户上传的模型都是微调模型，也就是那些在已经预训练好的大型模型基础上使用特定的数据集进行进一步训练，这样可以让模型适应特定任务或领域。

在以往官方已经训练好了不同版本的模型，而这些被模型训练者们挑选来训练的模型被称为“基底模型”。当然不只是官方的模型，还可以选择别人微调后的模型再进行一次训练。

目前在各类模型网站上有着各种对模型的微调方式，而且这方式都是一个个开发者自行摸索出来的。

**主流模型微调手段
**

在早期的时候有着各类模型微调手段例如审美梯度Aesthetic Gradient、由NovelAI开发者提供的超网络Hypernetwork等。

就目前的模型市场上看，还能发挥比较大作用的主流微调训练手法一共有三种：Dreambooth、LoRA(Low-Rank
Adaptation)低秩(zhi)适应模型、Textual Inversion文本反演。

这三个微调手法分别对应着我们已经很熟悉的CheckPoint大模型、Lora模型和Embeddings词嵌入模型

Dreambooth
（CheckPoint）是最早诞生且对配置要求最高的手段（显存>12GB），它是直接对包括文本编码器到噪声预测器的一整个过程进行微调，但调出来的模型理论上能容纳很多新东西，像是各种风格化的大模型。

LoRa
是目前公认性价比最高的微调方式，通过在噪声预测期的神经网络中嵌入一些额外的低秩适应层从而实现高质量微调。配置要求也是最低的(显存>8GB)，毕竟生成的模型只需要几十到几百MB，目前用来生成里植入一些人物角色和特定物体。

Textual
Inversion(Embeddings)是比较轻量的微调手段(显存>10GB)，是通过一些文本（Token）向量层面的微小改动起到微调效果。现多用于一些简单的概念植入或者提高生成图片的质量。

当然显卡配置越高越舒服，最好是16GB以上的配置。如果没有也没关系，可以用线上部署的方式来训练，直接上4090巴巴适适。

不过还有另一种方法：模型之间的融合，现如今所常用的模型大多数都是多个模型融合的结果。

1girl, beautiful face, ((white eyes)), sexy pose, Red moon in the
background, stars, space, (lightroom:1.13), soft light, (natural skin
texture:1.2), (hyperrealism:1.2), sharp focus, focused,[[realistic]]

Negative prompt: (low quality:1.3), (worst
quality:1.3),(monochrome:0.8),(deformed:1.3),(malformed hands:1.4),(poorly
drawn hands:1.4),(mutated fingers:1.4),(bad anatomy:1.3),(extra
limbs:1.35),(poorly drawn face:1.4),(watermark:1.3),(patreon
logo),FastNegativeV2