一些训练关键参数：
先验损失权重 (prior_loss_weight) = 1
分辨率 (resolution) = "832,832" , batch_size = 3
unet_lr = 1 , text_encoder_lr = 1 , lr_scheduler = "cosine_with_restarts" ,
优化器 (optimizer_type) = "Prodigy" , d_coef=2
最小信噪比伽马 (min_snr_gamma) = 3
network_dim = 64 , network_alpha = 32
最大正则化范数 (scale_weight_norms) = 1
分层训练学习率权重设置：
编码层 (down_lr_weight) = "1,1,1,1,1,1,1,1,1,1,1,1",
中间层 (mid_lr_weight) = "1"
解码层 (up_lr_weight) = "1,1,1,1,1,1,1,1,0,0,0,0"
置0阈值 (block_lr_zero_threshold) = "0.1"
训练图片总计124张，12个epoch，总计2976步
分别在Anything V5、AbyssOrangeMix、CreationMix、GhostMix、DiaMix、QteaMix、DonutHoleMix、CounterfeitV30、CuteYukiMix 和 DreamShaper 上进行了测试。其中 Counterfeit、CreationMix 、DiaMix 和 DonutHoleMix 使用了 vae-ft-mse-840000-ema-pruned。可以猜一猜每张样图都对应哪一个底模。
部分提示词在不同模型上，存在一定的欠拟合或过拟合。比如出原设的时候，在Anything上会多出一双猫耳；在提示词数量较少的情况下，多个模型均出现了提示词中不存在的双肩包。
由于是试验性作品，且目前泛化性还算正常，因此暂时不考虑优化（因为涉及到简化训练集的tag，工作量太大）
建议使用的prompts：
①人物：“1girl,solo,uzawa reisa,low twintails”
②校服：“school uniform,sneakers,backpack,serafuku,neckerchief,jacket,striped socks,pleated skirt,white sailor collar”
如果喜欢，请给个好评