〔024〕Stable Diffusion 之模型训练篇

03-03 1862阅读 0评论

✨ 目录

- ▷ 训练集准备
- ▷ 训练集预处理
- ▷ 数据清洗
- ▷ 下载训练源码
- ▷ 训练文件配置
- ▷ 脚本运行
- ▷ 实战测试

▷ 训练集准备

声明：该文中所涉及到的女神图片均来自于网络，仅用作技术教程演示，图片已码
一般同一个训练集需要准备 20~40 张不同角度的照片，当然可以更多，只是训练的时间会变长而已
比如如果训练的是人物，就准备同一个人物的不同角度的照片，并且各种表情都有是最好的，图片背景杂色越少越好
所以可以借助在线工具：在线消除背景，来让图片更加的干净
除了图片要干净外，另外对于图片的分辨率和尺寸是有要求的，所有图片的尺寸必须保持一致，并且是 64 的倍数
所以可以借助在线工具：

（图片来源网络，侵删）

（图片来源网络，侵删）

相关阅读：

1、YOLOv8目标检测：使用ONNX模型进行推理

2、【目标检测实验系列】YOLOv5创新点改进实验：融合Global Context Block全局注意力机制，增强Backbone的特征提取能力，模型高效涨点！（超详细改进代码流程）

3、【PyTorch实战演练】Faster R-CNN介绍以及通过预训练模型30行代码实现目标检测

4、【本地化部署Stable Diffusion WebUI（MACOS安装）】

5、PLSQL中文乱码问题 + EZDML导入数据库模型乱码

免责声明

1、本网站属于个人的非赢利性网站，转载的文章遵循原作者的版权声明。
2、本网站转载文章仅为传播更多信息之目的，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所
提供信息的准确性及可靠性，但不保证信息的正确性和完整性，且不对因信息的不正确或遗漏导致的任何
损失或损害承担责任。
3、任何透过本网站网页而链接及得到的资讯、产品及服务，本网站概不负责，亦不负任何法律责任。
4、本网站所刊发、转载的文章，其版权均归原作者所有，如其他媒体、网站或个人从本网下载使用，请在
转载有关文章时务必尊重该文章的著作权，保留本网注明的“稿件来源”，并白负版权等法律责任。

手机扫描二维码访问