LoRA与模型的分层微解析 2023/04/20

在使用LoRA的时候，总会觉得LoRA对于画面的影响是个迷。

但作为机器语言，虽然影响的随机性由不可控的0-1之间的假随机堆叠而成，却并不会影响画面生成的逻辑。（0；0.001；0.002……0.071………0.102……0.9……1）

StableDiffusion模型的逻辑，就是根据24个维度的编码，达到24的1000次幂个随机结果。而因为判定0和1的《标准》不同，也就是模型和LoRA不同，就会在24的1000次幂上再次扩散。所以，stablediffusion这个名字起的很好。叫做稳定扩散。

我们确实无法控制24的1000次幂个结果，并从比群星还多的结果中稳定的选取自己最喜欢的那个。但我们可以像是用望远镜一样，去观测对应的星域。

StableDiffusion生成画面，总共分为24个代码层。每个代码层会影响一定范围内的结果。

其中大概有7个代码层是起到过渡链接作用，并且是在直观感受上没有区别的代码层。

不能说没有作用，而是这些作用在直观的体现上并不明显。故而总是忽略这些代码层。

这样，剩下的代码层就是17层，再减去必要却没有直观体验的BASE层，就剩下16层。

这16层代码层，在控制AI图片的生成上起到了关键的作用，而每一层控制的主次，是非常明显的，能够直观的体现在画面上的。

总结了许多UP主，知乎专栏，以及自己的使用体验后。将分层控制的功能简化为了一个简单易懂的表格，在你迷茫不知道应该调节那个参数才能控制某个细节的时候，希望能够对各位有所助益。

尤其感谢灬见或不见灬的精彩讲解以及表格范例，在其基础上进行了个人体验后的更改。

比如对背景细节影响，对皮肤纹理的影响层，在视频中体现并不明显，此处增加了些许变化。

祝创作愉快！

2023/04/20