Generative AI
  • 序言
  • Chapter 1 Engine for GenAI
    • 1.1 Basic Concepts
    • 1.2 Install Ollama
    • 1.3 Model Download
    • 1.4 Local Installation of Dify
    • 1.5 Quickly Build Applications with Dify and Ollama
    • 1.6 Additional Information
  • Chapter 2 TTS model Inference Fine-tuning
    • 2.1 Basic Concepts
    • 2.2 Introduction to GPT-SoVIST
    • 2.3 Deploying and Preprocessing the Model
    • 2.3 Processing the Training Dataset.
    • 2.4 Model Dataset Formatting
    • 2.5 Model Fine-Tuned Training
    • 2.6 Model Inference
    • 2.7 Additional Information
  • Chapter 4 SD Model Inference
    • 4.1 Stable diffusion install
    • 4.2 SD good Practices
    • 4.3 Kohya install
    • 4.4 Dataset Formatting
    • 4.5 Set standard Parameters
    • 4.7 training
    • 4.8 Validate models
    • 4.10 Basic Concepts
    • 4.11 Prompt
    • 4.12 Prompt plug-in and Embedding
    • 4.13 Training by SD-trainer
    • 4.14 GPU and Accelerated
    • 4.15 Learning Unet(Training parameter)
  • Chapter 5 Computer Vision Video Generation
    • 5.1 Basic concepts of computer vision
    • 5.2 Introduction to Video Generation Model-Stable video diffusion
    • 5.3 Introduction to Video Generation Model-Sora
    • 5.4 Video Generation Best Practices01
    • 5.5 Video Generation Best Practices02
    • 5.6 Video Generation Model Industry Trends
    • 5.7 Comparison of U-Net and Transformer architectures
    • 5.8 CV Toolset
    • 5.6 Video Generation Best Practices03
  • Chapter 6 AI agent (on goning)
    • 6.1Agent Basic Concepts
    • 6.2 Comparison of Workflow Engine Platforms
    • 6.3 Agent Best Practices01-Notebook LLM
    • 6.4 Agent Best Practices02-Url
    • 6.5 Agent Best Practices03-Replicate
    • 6.6 Agent Best Practices04-Thought connection
    • 6.7 Agent Best Comprehensive- music, illustration, copywriting, blogging
  • Chapter 5 Developer Series
    • 5.1 Google Developer Platform API calls
    • 5.2 AWS data service calls
    • 5.3 Cloudflare open platform call
    • 5.4 Oneinstack Configuration
    • 5.5 Huggingface cache directory
  • Conclusion
  • Appendix
    • SDXL Prompt Style
    • Model index
Powered by GitBook
On this page
  • 模型加载
  • 模型验证
  1. Chapter 4 SD Model Inference

4.8 Validate models

本小节主要验证目前训练的模型是不是符合要求，通过不同的模型进行验真

Previous4.7 trainingNext4.10 Basic Concepts

Last updated 4 months ago

模型加载

模型训练完成之后，我们可以看到在模型文件夹之中有多个结尾是safetensors的文件，注意我们最好保留所有的文件，因为模型文件在训练的过程之中的，不一定参数最大的，就是最好的，我们要逐一的比对的训练的过程文件之间的区别。你可以看到最后的文件是的名为 last 的文件

需要我们把训练好的模型文件统一转移到，在stable diffusion 下的models 文件夹下的Lora 文件夹下。

接下来我们就可以看到的在WebUI 的前端有很多的模型文件的，已经加载，注意的你训练的文件是基于什么的类型的底模，需要首先加载的相关的基础的底模，这样才通过刷新才可以的显示出来你所有的模型文件

模型验证

接下来我们开始验证我们的模型文件的，首先的这里我直接选择生成一个人物，在没有加载LORA模型的基础上生成图像的，具体的配置的页面如下

我们可以看到已经生成了理想之中的结果的。

(masterpiece:1.1),(highest quality:1.1),(HDR:1.3),(top quality, best quality, official art, beautiful and aesthetic:1.2),man,extremely detailed,(fractal art:1.1),(colorful:1.1),highest detailed,(zentangle:1.2),(dynamic),(abstract background:1.3),(shiny),(many colors:1.4),solo,coral background,yellow lightning,cinematic lighting,detailed black eyes,highest quality face,(sky aesthetic), Steps: 20, Sampler: DPM++ SDE, Schedule type: Karras, CFG scale: 7, Seed: 3638304036, Size: 896x1024, Model hash: 0f1b80cfe8, Model: dreamshaperXL10_alpha2Xl10, Clip skip: 2, Downcast alphas_cumprod: True, Version: v1.10.1

接下来，我们通过加载LORA 文件，再生成一个图像的，加载的LORA 文件我们这次选择，最后的生成的LORA 看下效果怎么样。

最终生成的图像

那么这么多的过程的训练的文件，我们该怎么进行验证呢，其实很简单，我们使用的相关的脚本的配置，将LORA 的参数作为X 轴进行测试的，最后生成的结果如下：

然后生成的图像从左到右，以及从上到下依次是lora:last-000001:1,lora:last-000002:1,lora:last-000003:1,lora:last-000004:1,lora:last-000005:1,lora:last-000006:1,lora:last-000007:1,lora:last:1

根据对比分析我们可以知道，在这次的训练之中的，我们可以看到第一组训练的结果来看的，比较狂野，有点凶神恶煞的感觉，后边的更加贴近真实的感觉，最后的LORA文件带上了之前训练图片之中的眼镜。

Page cover image