|
|
发表于 2020-12-2 12:33:32
|
显示全部楼层
[0] 每隔几个小时自动备份 ( 0..24 帮助:? ) : ?
自动备份模型文件，每N小时进行预览. 备份地址在model目录下<>_autobackups/01
[n] 写预览历史 ( y/n 帮助:? ) : ?
记录将写入预览历史记录 <ModelName>_history 文件夹内。
[0] 目标迭代 : ?
0
预训练或者新建模型才用 训练多少次停止 新手无脑0即可
[y] 随机翻转面孔 ( y/n 帮助:? ) : ?
不选择这个选项，预测的脸看起来会更自然,但是src脸部可能没有覆盖dst脸部所有面对的方向。
新手无脑Y
[8] 设置bs值 ( 帮助:? ) : ?
大的批量大小总是更好的神经网络的泛化,但它可能导致显存溢出错误。根据你的显卡手动调整合适值。
敲黑板 模型不要看迭代次数 你BS4迭代一百万和 别人BS30迭代一百万质量不是一个档次 选好自己合适的bs值 新手常见问题崩溃后调整这个参数即可 低于4还崩溃就别试了 要么换显卡 要么换模型 新手建议从4开始 一点点加 不报错就好
[128] 分辨率 ( 64-640 帮助:? ) : ?
更高的分辨率需要更多的VRAM和训练时间。对于-d archi，值将被调整为16和32的倍数。
[f] 脸型 ( h/mf/f/wf/head 帮助:? ) : ?
半脸(h)、中脸(mf)、全脸(f)、整脸(wf)、头(head)。半脸具有更好的分辨率，但脸颊区域更少。中脸比半脸宽30％。(整脸)覆盖了包括前额在内的整个脸部。(头)可以遮盖整个头部，但需要使用XSeg进行src和dst面部设置。
一般f wf 大佬玩head 小弟玩 h
[df] 自动编码器结构 ( 帮助:? ) : ?
'df' keeps more identity-preserved face.
'liae' can fix overly different face shapes.
'-u' increased likeness of the face.
'-d' (experimental) doubling the resolution using the same computation cost.
Examples: df, liae, df-d, df-ud, liae-ud, ...
“df”使更多identity-preserved脸。
“liae”可以解决过度不同的脸型。
' - u '增加相似的脸。
“- d”(实验)翻倍分辨率使用相同的计算成本。
例子:df、liae df-d、df-ud liae-ud,……
一般模型 都写三个参数代表模型名字 解码器+脸型+分辨率
例如 Liae+WF+512 DF+WF+512 ……
解码器可以自由组合 例如 DF DF-UD DF-D Liae Liae-UD
脸型也一样 例如 F WF HEAD
[256] 自动编码器大小 ( 32-1024 帮助:? ) : ?
所有面部信息都将打包成AE暗角。如果AE暗角数量不足，则例如无法识别闭眼。更多的暗角会更好，但需要更多的VRAM。您可以微调模型大小以适合您的GPU。
[64] 编码器大小 ( 16-256 帮助:? ) : ?
更多的暗淡有助于识别更多的面部特征并获得更清晰的效果，但需要更多的VRAM。您可以微调模型大小以适合您的GPU。
[22] 遮罩解码器大小 ( 16-256 帮助:? ) : ?
典型的遮罩尺寸=解码器尺寸 / 3。如果您从dst遮罩中手动切出障碍物，则可以增加此参数以获得更好的质量。
[n] 眼睛优先 ( y/n 帮助:? ) : ?
通过强制神经网络以更高的优先级来训练眼睛，有助于在训练过程中解决眼睛问题，例如“异形眼睛”和错误的眼睛方向（尤其是在HD架构上）。  前后对比
训练眼睛有问题才开启 对眼 白眼什么的 再开启训练 一般 默认N
[n] 样本的均匀偏航分布 ( y/n 帮助:? ) : ?
由于面集中的侧面数量较少，有助于修复模糊的侧面的问题。
[y] 将模型和优化器放置在GPU上 ( y/n 帮助:? ) : /?
[n] 使用学习率下降 ( n/y/cpu 帮助:? ) : ?
当对脸部进行足够的训练后，您可以启用此选项以获得更高的清晰度并减少子像素抖动，从而减少迭代次数。在“禁用随机扭曲”之前以及在GAN之前启用它。
n-禁用。
y-启用
cpu -在CPU上启用。这允许不使用额外的VRAM，从而减少了20％的迭代时间。
[y] 随机扭曲 ( y/n 帮助:? ) : ?
需要随机扭曲来概括两个面孔的面部表情。当对面孔进行足够的训练后，您可以禁用它以获取额外的清晰度并减少子像素抖动，从而减少迭代次数。
训练的到足够像 之后再关闭 新手无脑Y
[0.0] GAN ( 0.0 .. 10.0 帮助:? ) : ?
以生成对抗性的方式训练网络。强制神经网络学习面部的小细节。仅在对面部进行足够的训练且不禁用时才启用它。典型值为0.1
[0.0] true face. ( 0.0000 .. 1.0 帮助:? ) : ?
实验选项。将结果脸识别为更像src脸。更高的值-更好的辨别力。典型值为0.01。比较- 
[0.0] 面部风格训练 ( 0.0..100.0 帮助:? ) : ?
了解预测面部的颜色与内部蒙版中的dst相同。如果要将此选项与whole_face一起使用，则必须使用XSeg训练过的蒙版。警告：仅在10k次迭代后启用，当预测面部清晰时才启用它 足以开始学习样式。从0.001值开始并检查历史记录更改。启用此选项会增加模型崩溃的机会。
面部颜色差异过大比如阿凡达换阿凡提 一个蓝脸 一个普通脸 和颜色转移一样需要训练到足够像 可以合成的效果以后再打开此参数训练这个要一点点开 训练后看到效果不够再加 新手无脑0.0
[0.0] 背景风格训练 ( 0.0..100.0 帮助:? ) : ?
了解预测面部的遮罩外部区域与dst相同。如果要将此选项与whole_face一起使用，则必须使用XSeg训练的遮罩。对于Whole_face，则必 须使用XSeg训练的遮罩。这可以使面部 更像dst。启用此选项会增加模型崩溃的可能性。典型值为2.0
同理面部风格训练 新手无脑0.0
[none] 用于src脸部设置的颜色转移 ( none/rct/lct/mkl/idt/sot 帮助:? ) : ?
更改drc样本附近的src样本的颜色分布。尝试所有模式以找到最佳的颜色。
脸色差异不太大可以用这个一般训练的人脸足够像了 关闭训练可以合成的时候 再次打开训练调整这个参数来学习颜色 新手直接默认none
[n] 梯形裁剪 ( y/n 帮助:? ) : ?
梯度裁剪减少了模型崩溃的可能性，从而牺牲了训练速度。
[n] 启用预训练模式 ( y/n 帮助:? ) : ?
使用大量各种各样的面孔预训练模型。此后，可以使用模型更快地训练模型。
正常使用默认关闭即可 新建模型前期需要开的 新手无脑关闭即可 |
|
|Archiver|手机版|deepfacelab中文网
|网站地图
发表于 2020-11-28 18:17:08
