如何在StableDiffusionWebUI 中使用Civital网站的LoRA模型?

简介: 如何在StableDiffusionWebUI 中使用Civital网站的LoRA模型?

Civital 中,经常可以找到许多可供下载的 LoRA / LyCORIS 选项。现在,新版本的 StableDiffusionWebUI 内置了 LoRA,使用起来更加方便。

什么是 LoRA/LyCORIS?

LoRA 和 LyCORIS,也被称为 LoHA/LoCON ,都是用于控制字符或风格的模型微调技术。相比较而言,与 LoRA 相比,LyCORIS 的资源效率更高,在输出文件方面具有更高的精度,并且产生的输出文件数量更少。两种技术的结果可比性很强,相信未来会有更多的开发者转向LyCORIS。

安装 LyCORIS

可以参照下面的 URL 安装 LyCORIS:

a1111-sd-webui-lycoris:stable-diffusion-webui 的扩展,用于加载 lycoris 模型。

如何使用LoRA/LyCORIS?

只需将下载的文件放在指定目录即可:

  • LoRA:/stable-diffusion-webui/models/Lora
  • LyCORIS:/stable-diffusion-webui/models/LyCORIS

image.png

单击按钮 Generate 下方的红色按钮 Extra Networks,打开用于选择 Extra Networks 的 UI。将看到一系列 LoRA 卡,但它们将显示为没有预览的大灰色图像。

image.png

以下说明将指导如何将其更改为类似于上面截图的样子:

1. 将图像添加到模型

有两种方法(适用于所有模型):

  • Civital 下载模型的演示图像,将其保存为 PNG 文件。按照模型的名称重命名图像文件的名称并将其放置在和模型一起的文件夹中。刷新后,就可以看到图像。
  • 生成图像后,单击模型卡右上角的“替换”。

image.png

2. 调整模型卡尺寸

转至Settings > Extra Networks 并修改以下设置:

image.png

  • Extra Networks 的默认视图更改为 thumbs
  • Card width for Extra Networks 设置为 80
  • Card height for Extra Networks 设置为 100

保存并刷新后,界面将与上面界面相似。当然,也可以根据自己的喜好自定义尺寸,找到最适合自己的设置。



相关文章
|
1月前
|
机器学习/深度学习 存储 自然语言处理
简单聊一聊大模型微调技术-LoRA
LoRA(Low-Rank Adaptation)是一种用于减少大模型微调中参数数量和计算资源的技术。通过引入低秩分解,LoRA 仅更新少量参数,从而显著降低显存消耗和计算需求。适用于大规模预训练模型的微调、跨领域迁移学习、低资源设备部署和多任务学习等场景。例如,在微调 BERT 模型时,LoRA 可以仅调整约 0.1% 的参数,保持与全量微调相近的性能。
95 0
|
6月前
|
人工智能 自然语言处理 物联网
Predibase发布25个LoRA,超越GPT-4的Mistral模型
【2月更文挑战第24天】Predibase发布25个LoRA,超越GPT-4的Mistral模型
117 2
Predibase发布25个LoRA,超越GPT-4的Mistral模型
|
6月前
|
数据采集 机器学习/深度学习 存储
使用LORA微调RoBERTa
模型微调是指在一个已经训练好的模型的基础上,针对特定任务或者特定数据集进行再次训练以提高性能的过程。微调可以在使其适应特定任务时产生显着的结果。
238 0
|
6月前
|
机器学习/深度学习 异构计算 Python
Bert-vits2最终版Bert-vits2-2.3云端训练和推理(Colab免费GPU算力平台)
对于深度学习初学者来说,JupyterNoteBook的脚本运行形式显然更加友好,依托Python语言的跨平台特性,JupyterNoteBook既可以在本地线下环境运行,也可以在线上服务器上运行。GoogleColab作为免费GPU算力平台的执牛耳者,更是让JupyterNoteBook的脚本运行形式如虎添翼。 本次我们利用Bert-vits2的最终版Bert-vits2-v2.3和JupyterNoteBook的脚本来复刻生化危机6的人气角色艾达王(ada wong)。
Bert-vits2最终版Bert-vits2-2.3云端训练和推理(Colab免费GPU算力平台)
|
2月前
|
存储 人工智能 物联网
LoRA大模型微调的利器
LoRA模型是小型的Stable Diffusion模型,它们对checkpoint模型进行微小的调整。它们的体积通常是检查点模型的10到100分之一。因为体积小,效果好,所以lora模型的使用程度比较高。
LoRA大模型微调的利器
|
5月前
|
传感器 监控 供应链
介绍LoRA技术
介绍LoRA技术
156 2
|
6月前
|
自然语言处理 算法 物联网
如何训练一个大模型:LoRA篇
如何训练一个大模型:LoRA篇
566 1
|
6月前
|
机器学习/深度学习 算法 物联网
LoRA及其变体概述:LoRA, DoRA, AdaLoRA, Delta-LoRA
LoRA可以说是针对特定任务高效训练大型语言模型的重大突破。它被广泛应用于许多应用中。在本文中,我们将解释LoRA本身的基本概念,然后介绍一些以不同的方式改进LoRA的功能的变体,包括LoRA+、VeRA、LoRA- fa、LoRA-drop、AdaLoRA、DoRA和Delta-LoRA。
570 2
|
6月前
|
机器学习/深度学习 算法 物联网
LoRA+:优化模型微调的新方案
【2月更文挑战第17天】LoRA+:优化模型微调的新方案
319 1
LoRA+:优化模型微调的新方案
|
编解码 缓存 搜索推荐
使用Dreambooth LoRA微调SDXL 0.9
本文将介绍如何通过LoRA对Stable Diffusion XL 0.9进行Dreambooth微调。DreamBooth是一种仅使用几张图像(大约3-5张)来个性化文本到图像模型的方法。
621 1