利用stablediffusion训练高效HyperNetwork模型的关键技术

Stable Diffusion攻略介绍了一种新的方法，称为HyperNetwork（超网络），用于让AI学习图片的整体画风。相比于传统的学习概念的embedding方法，HyperNetwork更适合这个任务。本文将介绍如何使用HyperNetwork进行训练和使用。

1. 操作过程

首先，启动SD WebUI，并切换到Train页面。在”Create hypernetwork”输入框中输入名称，并将”Number of vectors per token”设置为7或更高。点击”Create hypernetwork”按钮。

然后，选择刚刚创建的hypernetwork，在”Dataset directory”输入训练数据的路径。在”Prompt template file”选项中选择”hypernetwork.txt”。

接下来，将”Max Step”设置为10000，表示训练将在10000步后停止。

最后，点击”Train HyperNetwork”按钮开始训练。SD WebUI将显示剩余时间，HyperNetwork的训练时间比Embedding要长一些。

训练完成后，可以在SD WebUI根目录下的”texual_inversions/hypernetwork”目录查看训练结果。其中的”images”目录存放了每个训练步骤的成果。

在训练完成后，可以在SD WebUI根目录下的”texual_Inversions/hypernetworks”目录中选择合适的成品。例如，如果认为第9500步的成果不错，可以将相应的.pt文件放到SD WebUI根目录下的”models/hypernetwork”目录中。

2. HyperNetwork模型使用方式

在SD WebUI的生图界面，点击右上角的”Show Extra Networks”按钮。

然后，选择要使用的Hypernetwork，并点击将其加入提示词字段。

接下来，使用训练时使用的提示词，这样生成的图片将具有该HyperNetwork的画风，并且还原度很高。

通过以上步骤，您可以使用HyperNetwork进行图片风格学习，并生成具有特定画风的图片。