stablediffusion训练embedding的模型

　　在AI领域中，Textual Inversion（文本倒置）或称为Embedding（嵌入）是一种适合让AI学习新概念或物体的方法。相比于HyperNetwork，Textual Inversion的学习能力较差。在这方面，电脑系统之家的基础模型Waifu Diffusion 1.4是一个比较适合训练Embedding的选择。

　　操作过程

　　启动SD WebUI

　　切换至Train页面，在Create embedding输入名字。Number of vectors per token设置为7以上。点击Create embedding。

　　切换至Train页面，选择刚刚创建的embedding，于Dataset directory输入训练数据的路径。

　　Prompt template file选style_filewords.txt。Mx Step设置训练至10000步停止。当然你也可以调高一点，并看预览图决定品质差不多之后才按Interrupt中止训练，具体步数视情况而定。

　　点击Train Embedding，开始训练。

　　SD WebUI应会显示剩余时间，通常是一小时起跳，每500步会在右边显示训练该步数的成果。

　　你也可以到SD WebUI根目录下的texual_inversions查看训练成果。里面image_embeddings目录会存放训练步数对应的成果。

　　待训练完成后，至SD WebUI根目录下的texual_inversions/embeddings，对照image_embeddings目录的图片挑选合适的成品。

　　例如觉得9500步的成果不错，那就将该pt档从里面挑出，将其放到SD WebUI程序目录下的embeddings。

　　Embedding模型使用方式

　　在SD WebUI的生图界面，点击右上角的Show Extra Networks。

　　选择要使用的embedding，点击将其加入提示词字段。注意，Embedding只能与训练时使用的模型配合使用。

　　按照Embedding训练时使用的提示词下提示词，生成的图像将会包含该Embedding的人物。

　　总结

　　Textual Inversion是一种让AI学习新概念的方法，适用于电脑系统之家的基础模型Waifu Diffusion 1.4。通过训练Embedding模型，并配合训练时使用的模型，可以生成包含特定概念或物体的图像。这种方法可以用于创造各种新颖的图像，拓展AI的学习能力和创造力。