关于我在飞桨炼丹两周的心得
前言：
对于这个心得，我也不知道有没有用，总结的对不对，反正就是上课摸鱼的时候写的，由于炼丹比较耗时间所以我获得的信息并不多，只能靠自己的几次炼制来总结。能想到的都了，至于例子，失败的例子数不胜数了，我就例举我成功的几个权重模型吧，（时钟猫系列、幻梦冰语系列）。
如果有什么错误，也欢迎各位来指正，下面是正文：
一、炼制模型的分类：
1）模型分为两类，一类是人物实体模型，一类是画风模型。
2）选择人物实体模型的时候AI会根据你给出图包的图片内容去自主识别判定“实体”并加以学习。而画风模型侧重的是画面整体的效果学习，比如明暗度、颜色饱和度等。
二、训练面板说明：
1）学习率越低，需要的最大步数越大，成功率越高，最大训练步数要大于等于每张学习次数*图片数量。
2）这里需要注意的就是喂给Ai的图，长宽比一定要为1：1，因为当前飞桨只支持512*512的训练，如果比例不对的话系统自动缩放，学出来的东西.....大概率古神奥。
3）最接近的词是你要训练的内容的“本质”，就一个简单的词，比如“星璇”本质上，就是girl
4）飞桨训练出来的模型是PD模型而不是PT，目前飞桨还无法使用PT模型
三、训练过程总结（人物）：
1）确定自己要炼制的模型
2）配制图包
3）建议：人物模型建议找基本相同的图片（无论是人物动作，还是表情，还是外貌），就像“天玥”的炼制图包，我是用一个固定的TAG反复roll图，roll出小1000张，然后挑出来60张去训练的，这60张图片的内容、画风基本上可以说是乍一看没区别的。
四、训练过程总结（画风）
画风的炼制相对于人物的炼制就简单了不少，画风的炼制可以是单纯的画风（幻梦冰语），也可以是把背景炼制进去（ClockCat）。只炼制画风的话，要求就是画风一样，内容可以不同，学习次数不要太高，每张20+次，每次30+张。如果想要背景，就需要背景相似度比较高，而且色调一致。
五、训练步骤：
1）对于怎么确定这个数值，我个人觉得是：你越想得到细节的东西，需要的图片越多，单张图片学习次数越大。
2）而过大的步数则会出现“过拟合”状态，就是不仅人物被学进去了，人物身后的背景也会被学进去，这样就会导致更换背景或人物外貌时，原背景无法替换或者崩图的情况。而画本体+本体背景则会十分稳定。
3）具体的训练步数到底怎么才是合适的，我这里有一些自己训练的数据参考（格式为：图片数、每张的训练数、最大训练步数），但不一定准确和好用：人物：90、70、6500；90、50、4700；90、30、3000
70、80、6000；70、50、4000；70、30、2500
50、90、5000；50、80、4500；50、70、3800
40、100、4000；40；70；3500；40、50、2400
30、120、4000；30、90、3000；30、30、1200
20、200、4000；20、100、2500；20、50、1100
画风：20、30、600；20、50、1100；25、40、1200
30、30、950；30、40、1500；35、30、1300
40、30、1200；40、50、2000；45、30、1400
50、20、1000；50、30、1500；50、40、2100
70、20、1500；70、30、2100；70、50、3600
90、20、2000；90、30、3000；90、50、5000
五、人物模型与画风模型的关系：
首先人物模型自带画风，但画风模型不一定有人物。同时画风模型的基础权重对比与人物模型来说，是要低一些的。但并不是说“有人物模型了画风模型就不用了”，经过我的测试，画风模型在有对应人物模型的存在的时候（ClockCat与TianYue），更多的是起到一个稳定图像的作用，就是修改人物外貌，但会减少人物崩掉的概率，所以画风模型有时候是充当着“稳定器”的作用。其次，画风训练出来之后根据特点我给自己的画风分成了两组，一组是以“ClockCat”为经典的的“主要画风”，在绘图过程中起到“稳定”与作为画风的作用，而另一种是以“幻梦冰语”为例的“辅助画风”，这种的画风模型本身对图片的改变并不大，可以说改动少的EB，我当时甚至以为炼制失败了，后来测试的时候发现这个模型可以中和别的画风，让有高亮效果的图片变的柔和，同时优化人物与背景，在冰元素魔法上尤其突出，就很是神奇。
六、测试模型：首先是查看模型的“本体”，即不带任何正反tag，只输入模型，其余数值全为默认数值，多次生成图片后，不看美观与否，看内容元素，比如“ClockCat”本体具有的元素是：“猫、女孩、钟的样子、法阵、画风”等，画风模型也一样，与训练用图的元素基本相同时，就可以初步判断：成了。第二步就是添加反面tag，查看优化后的本体元素，看图片是否有元素缺失（这个时候不是真丢失了，而是元素本身在其中权重较小，没有体现），然后加上未体现的元素，查看整体情况，然后是模型加权查看整体体现，效果仍然不错，就成功了一半。最后是改变人物外貌（瞳色、发色、姿势、、衣着），如果多次尝试后图没有崩或者崩的很少，基本上就可以说是成功了。
七：权重对比：
模型间权重大的有可能“屏蔽”权重小的，用初中生物类比就相当于“显性基因与隐性基因的关系”，在特定的外加tag强调下可以让“隐性表现”，更多的是模型间的融合，但不可否认两个人物模型放一块出现连体人的概率很小，至少我这甚至没出现过连体人。
八、参数调试：
（一）step调试：（默认50）
1）step对应的AI的推理步数，步数越高，越接近tag描述，画的内容也会被不断完善。同时在一定程度上会让图片变得清晰。
2）step并不是越高越好，基本上AI是每15步-20步会出现一次“重新排版”，即画出与上一步完全不同的画。
3）调试步数可以清楚的知道AI“先画什么后画什么”，这也对应着AI的绘画重点分配。比如我70步的时候，人物有胳膊，我调回60步，整体没变但胳膊没了，这个时候就能确定：胳膊实在其他元素画完之后才画的。
（二）cfg调试：（默认7.5）
1）cfg即AI对tag的重视程度，cfg越高，AI画的就会越接近tag，但cfg过高会“只有tag”，出现古神，而低会让AI放飞，所以cfg的调整也十分重要
2）我的常用cfg参数调整范围：7-16
（三）图片大小：（默认512*512）
1）在飞桨里最大图片为512*10242）长宽必须为64的倍数
2）不同的图片大小AI绘制的内容也会有所区别，例如：一般竖版的（1024*512）容易出现人物全身；横版则会比较。。精致？，1:1的大小AI会比较偏向于上半身绘画。（以上均在无tag强调的情况下
3）出图保存的时候建议50-70图一存（打包下载），压缩包过大会出现无法下载的情况
（四）长度上限倍数：（默认为3）
1）一个长度上限为77（似乎，我忘了），即AI可以识别的tag数量，默认为3，也就是210多
2）tag很多，但图片里没有，可以试着调一下上限
（五）采样器：（默认DDIM）
1）每个采样器对图片绘制的侧重点不同，看着选就好2）问就是我没找到啥规律，每次看着换 （玄学抽奖）。
（六）超分模型：（默认为falsr_a）
1）默认就好
（七）精度：（默认float32）
1）精度越高图片质量越高
2）不用动
（八）括号修改权重
1）有啥括号就用啥
（九）模型：（默认waifu）
1）多种模型有不同的侧重点，网页里有详解
2）记得改成NA模型（MoososCap/NOVEL-MODEL）
