渐进式分辨率训练

day270010678

星级打分

• 1
• 2
• 3
• 4
• 5

平均分:NAN  参与人数:0  我的评分:未评

阶段 1：64x64，训 5000-10000 步（学脸型 / 五官结构）
阶段 2：128x128，训到收敛（学基础纹理）
阶段 3：256x256，训到收敛（学精细细节）
.............
每个阶段加载上一阶段的权重。低分辨率阶段训练快，能快速建立正确的身份映射；高分辨率阶段在已有结构基础上细化细节。这比直接训 256 收敛更快、最终质量更好。

mzh920

dfl就是效率太低了

ulu

好方法，但是起点 64 是不是有点太低了，都变成像素脸了吧。

木匠张

最近在测试新的培训器 与 棱镜 PRISM 模型

渐进式成长培训 先以较低分辨率训练，降低内层的LR值，然后再逐步提高分辨率

比如 256 的分辨率 预训练 就是*-264*64 快速出细节 然*-1 128    然后*0 256 基本细节出来后 直接就到 进入*+1阶段 此时就是 512的分辨率训练 但是显存只多出30%左右    整体占用 ae 320 88 88 28 的时候显存6.8G 训练结果非常好 Using config file: D:\DeepFaceLab\workspace\model\256\model.yaml
Growth stage: -1 at 128x128
Loaded: encoder.pt, inter.pt, proj_src.pt, proj_dst.pt, proj_style_src.pt, proj_style_dst.pt, decoder.pt,
src_dst_opt.pt
Parameters: 88.7M trainable / 92.5M total

木匠张

早上新建的模型跑了4万次

wuxr1111

这是新程序？

day270010678

木匠张 发表于 2026-8-20 07:48
最近在测试新的培训器 与 棱镜 PRISM 模型

渐进式成长培训 先以较低分辨率训练，降低内层的LR值，然后再 ...

没测试过，但是只是显存涨幅低，按理说不等于算力不涨。512 阶段迭代速度应该会明显变慢，每 step 耗时提升应该很明显，Encoder、Inter 内层权重大部分复用冻结 / 低 LR，不重新膨胀参数量；升分辨率主要只放大 Decoder 输出头，主干特征通道数保持不变，特征图不是完整 512 稠密张量，用分层棱镜投影 (proj_*) 模块做多尺度特征重采样，不是直接放大中间 feature map，你完整测试了吗？有没有五官抖动、眼球崩坏、面部伪影？

木匠张

-1的时候128是382毫秒 -0 256 是408毫秒 +1*2 512的时候 是 682毫秒 +2*4 1024 还没测试
进步明显 7G显存可以训练 512 分辨率了

8万次 -0 256 截图

day270010678

木匠张 发表于 2026-8-20 12:35
-1的时候128是382毫秒 -0 256 是408毫秒 +1*2 512的时候 是 682毫秒 +2*4 1024 还没测试
进步明显 7G显存可 ...

问你个问题，就是遮罩的问题，dfl训练中你的脸部有没有泥土涂抹的样子？我测试我的，在训练中脸部有明显泥土涂抹的样子，随着训练减少而减少，我怀疑是因为我的是估算的遮罩强行去追求手动遮罩导致的。但是不确定，因为我没用dfl完整训练过，dfl有没有这种现象？

木匠张

day270010678 发表于 2026-8-20 13:20
问你个问题，就是遮罩的问题，dfl训练中你的脸部有没有泥土涂抹的样子？我测试我的，在训练中脸部有明显泥 ...

   模型才8万 眼球 目前还在  边练边用AI改 代码 这份代码是老外全开源的  我修改了一些