好像没训练一样

xzdeyy

学习观摩一下各位大佬！！

myxsama

迭代次数也不算多

jackyau168

好像還不錯呢

phoebeshadow

直接用神丹

xuxiao794613

好家伙，竟敢动我罗总

AKERSHUS

自己从头炼丹啊，可以用仙丹玩玩。

lismo

开了 -D 尽量多训练一些时间


AE 架构（df/liae/df-u/liae-u/df-d/liae-d/df-ud/liae-ud ?:help）： 此选项让您在 2 个主要学习架构之间进行选择：DF 和 LIAE 作为以及它们的 -U、-D 和 -UD 变体。
.
DF： 这种模型架构提供了更直接的面部交换，不会变形面部，但要求源和目标/目标面部/头部具有相似的形状，而面部特征（嘴巴、眼睛、鼻子的形状）可以比 LIAE 差异更大. 在正面拍摄时效果更好，并且要求您的源数据集具有所有必需的角度，在侧面轮廓上可能会产生比 LIAE 更差的结果。
.
LIAE： 这种模型架构在源和目标/目标之间的面部/头部形状相似性方面没有那么严格，但是源和目标/目标之间的面部特征（眼睛、鼻子、嘴巴的形状）应该相似，以获得良好的结果。与 DF 相比，该模型与源的相似性更差，但可以更好地处理侧面轮廓，并且在源面部集/数据集缺少某些角度、表情或照明条件时更宽容，通常会产生更精细的面部交换，具有更好的颜色/照明匹配。
.
-U： 此变体旨在提高与源人脸的相似度/相似度。影响 VRAM 的使用。
-D： 此变体旨在通过将可能的分辨率大致提高一倍而无需额外的计算成本（VRAM 使用）和类似的性能来提高性能。但是，它需要更长的训练时间，必须首先对模型进行预训练以获得最佳结果，并且分辨率必须更改为 32 的值，而不是其他变体中的 16。
-T： 此变体以与 -U 不同的方式更改模型架构，但目的相同 - 创建更多类似 SRC 的结果（您可以将 -U 与 -T 组合以创建 -UT 和 -UDT 模型）。影响 VRAM 的使用。
-C： 实验变体，在 ReLu 和 Leaky ReLu 之间切换激活函数。
.
变体可以组合成 实现更高的性能/分辨率和更好的 SRC 相似性（DF-UD 和 LIAE-UD 是目前最常用的两种架构）。
接下来的 4 个选项控制影响模型学习能力的模型神经网络维度，修改这些会对性能和质量产生重大影响：
.

小猫89

如果不是自己练丹，中可以用大佬们练好的丹，出图快。