license: openrail
datasets:
- Carzit/SukaSuka-image-dataset
chtholly lora模型合集
使用数据集：https://huggingface.co/datasets/Carzit/SukaSuka-image-dataset
中珂院炼金学分院QQ群,群号715311859
详细说明：
例如 chtholly-anylora-fanju-20 anylora是训练用的底膜，fanju是训练的数据集使用的多为番剧图片，所以会有很好的番剧效果
统一测试参数为 （大致框架）
建议使用高epoch的lora模型时，减小词相关力度，在4-7之间 (masterpiece, best quality, hi-res:1.2),1girl, solo,upper body,long hair, blue hair, blue eyes, two side up, dress, lora:chtholly-animefull-fanju-20-000010:0.65
ugly,bad anatomy,bad hands,extra hands,missing fingers,broken hand,more than two hands,well proportioned hands,more than two legs,unclear eyes,missing arms,mutilated,extra limbs,extra legs,cloned face,fused fingers,extra digit, fewer digits,extra digits,jpeg artifacts,signature,watermark,username,blurry,large breasts,worst quality,low quality,normal quality,mirror image, Vague
euler a 512 768 30 8
其中lora模型名称更换但是权重为0.65 个人建议出图权重在0.6-0.8之间
因为个人原因，就展示了底膜为anylora时使用这些lora
具体参数可以自己查看，主要使用了epoch为5,10,15,20
lora:chtholly-animefull-fanju-20
lora:chtholly-anylora-fanju-20
因为底膜与训练一致，有一定加成
lora:chtholly-anylora-chatu-20
还有一个是前标为30的，这个可以使用更低的epoch的版本。
总结
因为数据集相对较少，并且是没有特别设置提示词全部标注 所以会遇到颜色污染的问题，当然，这个是很好解决的 1.减少词相关力度，这个方法同样适用于解决lora相互影响造成的颜色污染（使用latentcouple时）
2.降低lora权重 通常范围是0.6-0.8
3.lora分布/灵活控制权重 使用https://github.com/a2569875/stable-diffusion-webui-composable-lora 对lora进行步数控制，（个人试验过权重控制，但还没有什么经验能总结出来。。。）
4.lora分层，这个是直接去找别人的参数，这里不在赘述，可以在b站大学搜索到相关信息。
前三个方法是我最常用的了 希望能够给你带来启发。
我该选择什么模型？
因为前标很大，并且没有提示词，所以我的建议是使用epoch适中的 比如 10左右的，当然，并不是说20以及更高的不能用，只是调起来会相对要明细一些。 望采纳。