embedding模型练习
注意：假如是6G显存，使用384分辨率， 8G以上能够使用512分辨率的图片。
下面咱们直接进入主题。
首要咱们进行一些根底的设置。
1、设置->练习，勾选，屏蔽VAE,假如主模型下有VAE,能够进行改名进行屏蔽。
2、设置->反推设置，反推：deepbooru按字母阈值，取消，同时分数阈值设置在0.7就能够,新手主张0.7-0.75。
分数阈值假如开的越低，那么保留的图片原始细节越多，反之这个参数开的越高，过滤掉的标签越高练习的模型坚持的细节也就越少。
保存以上装备。
接下来就开始进入今日的主题了。
主页面上挑选“练习”，创立嵌入式模型。
称号随意起一个，这儿咱们使用negan_first，每个词元(token)的向量数新手引荐设置在6-8，这儿设置成7。
点击创立嵌入式模型。
能够看到右边系统帮咱们创立了negan_first.pt的模型文件。
接着便是准备练习的资料了，保底30张，引荐50-100张（有必要是正方形），这儿使用的是512*512，画风尽量坚持统一。
在sd的根目录下创立个文件夹train/negan_first,在negan_first文件夹下继续创立input和output文件夹。将咱们准备的50张图片放到input。
接着回到咱们的webui界面，点击“图像预处理”，将刚才的input途径填写在源途径，目标途径填写output的途径（此处都使用了绝对途径）。 同时勾选“Keep original size”、“创立水平翻转副本”、“使用 BLIP 生成标签 (自然语言)”三个选项。设置完成后点击“预处理”进行处理。
等候完成今后，就能够在output文件夹里面查看了。一个文本对应一个图片。
接下来便是真实的练习了，点击“练习”。
如上图所示“嵌入式模型”就选咱们创立的negan_fitst,其他参数坚持默认，提示词模板挑选subject_filewords.txt（角色）。
高度和宽度坚持512，数据集目录便是上一步的output，日志目录随意填一个，这儿为了便利，直接在train下面建了个log文件夹。步数给个1万就行。
装备完成后，点击练习嵌入式模型，接下来便是漫长的等候了。
完成今后，咱们就能够使用咱们练习的模型了。
直接到文生图，点击“显现/隐藏模型”的按钮，在嵌入式模型中找到咱们的”negan_first“模型，直接点击，然后加上对应的提示词，就能够生成图片了。
