大家好，stable diffusion有很多model模型可以使用， 之前有人来信表示对这部分有兴趣，小弟我就我知道的部分分享给大家 模型可以在下面找到 1.https://huggingface.co/ 2.https://rentry.co/sdmodels 网路大大整理出来的清单 --------------------------------------------------------------- ★注意 使用他人的model请进行pickle-scan确认没有问题再使用 https://github.com/zxix/stable-diffusion-pickle-scanner 相关说明 https://huggingface.co/docs/hub/security-pickle --------------------------------------------------------------- 以下皆使用stable diffusion webui进行操作 https://github.com/AUTOMATIC1111/stable-diffusion-webui 今天主要示范anything3.0 加入sd1.4丰富模型内容 以及f222加强人体表现 A.使用模型: https://huggingface.co/Linaqruf/anything-v3.0 Anything-V3.0-pruned-fp16.ckpt https://huggingface.co/CompVis/stable-diffusion-v-1-4-original/tree/main sd-v1-4.ckpt https://huggingface.co/m4gnett/zeipher-f222 f222.ckpt B.融合前范例展示 prompt: https://rentry.org/e6ko3 参数设定: Steps: 30, Sampler: Euler a, CFG scale: 7, Seed: 0, Size: 512x512, Model hash: 38c1ebe3, Model: Anything-V3.0-pruned-fp16, Clip skip: 2, ENSD: 31337 1.anything fp16 https://i.imgur.com/4roOSS0.png 2.sd 1.4 https://i.imgur.com/FfW1Rvj.png 3.f222 https://i.imgur.com/81OCPtF.png C.开始融合 merge webui内建功能 Checkpoint Merger，也可使用merge board 需要另外安装extensions https://i.imgur.com/IyRYndv.jpg 这边使用内建Checkpoint Merger https://i.imgur.com/8ii6RyF.jpg 公式说明如下: Weighted Sum: Result = ( A * (1 - M) ) + ( B * M ) Add Difference: Result = A + ( (B - C) * M ) A选择anything fp16 主要要加强的模型 B选择sd 1.5 方法选择Weighted Sum M设定0.05，表示我们会有0.95的A和0.05的B进行融合 这边可以依喜好调整不同数值 看你想要偏哪边的model 完成後我们得到了O1 anything_sd14_0.05 来试试看效果 https://imgur.com/llYutvz.png 接下来融合f222 https://i.imgur.com/F52EhIA.jpg A 刚融出来的anything_sd14_0.05 B f222 C sd 1.4 选择 Add Difference M设定1 复习一下公式 Add Difference: Result = A + ( (B - C) * M ) 我们会用A模型加上 (B模型减掉C模型)乘M f222是用sd1.4 训练的(我也不知道为什麽 看别人都这样用) ，因为O1已经有sd1.4了，我们只需要f222新增的内容 融合後得到了O2 anything_f222_sd14 再来试试看效果 https://i.imgur.com/n19L5wA.png 三个一起比较 https://i.imgur.com/4roOSS0.png https://i.imgur.com/llYutvz.png https://i.imgur.com/n19L5wA.png 如果有其他模型还可以继续用同样方式融合， 调整不同比例也会影响，看你喜欢什麽风格就自己融合进去， 可以打造出属於自己的model 昨天参考了其他群组用了10个模型融出来的 和上面相同prompt https://i.imgur.com/ZP8x4Kb.png 调整过的prompt https://i.imgur.com/6Kcx3CI.png https://i.imgur.com/ZRJcQTr.png https://i.imgur.com/PuZdLCS.png https://i.imgur.com/m6XydpH.png 最近开始把作品丢到P网，请大家多多支持 https://www.pixiv.net/users/913621 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 114.34.61.35 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/AI_Art/M.1671850708.A.351.html 训练和融合我觉得是不一样的 训练出来的模型可以再跟其他模型融合 训练对硬体技术要求相对较高，融合较轻松就能办到， 根据你想要达到的目标，选择适合自己的方式 ※ 编辑: andyleeyuan (114.34.61.35 台湾), 12/24/2022 16:08:49