AMP256_wf_610万迭代美女高参万能底丹,高参模型分享

2024-03-18 00:20

本文主要是介绍AMP256_wf_610万迭代美女高参万能底丹,高参模型分享,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

AMP610万迭代万能底丹:点击下载

610万AMP模型底丹,带变形因子,在这个基础上继续训练模型,能快速成型,600万迭代AMP模型还是比较稀有的

发到其他论坛老是被删,发到这里赚点积分用用
ae_dims: 512
inter_dims: 2048
e_dims: 128
d_dims: 128
d_mask_dims: 72


看这几个参数就知道是不是好模型了,绝对的高参数底丹,建议显存16g以上继续训练,显卡12G的电脑训练模型带不起来
系统高级设置里边,虚拟内存设置100G以上,导出直播模型的时候虚拟内存达到100G了


网盘里边包含底丹模型 和 导出的直播丹


 

  1. ========================模型概要========================
  2.                                                 
  3.                   模型名字: shendan_AMP              
  4.                                                 
  5.                   当前迭代: 6107299                 
  6.                                                 
  7. ----------------------模型选项----------------------
  8.                                                 
  9.     retraining_samples: True                    
  10.             resolution: 256                     
  11.              face_type: wf                     
  12.      models_opt_on_gpu: True                    
  13.                ae_dims: 512                     
  14.             inter_dims: 2048                    
  15.                 e_dims: 128                     
  16.                 d_dims: 128                     
  17.            d_mask_dims: 72                     
  18.           morph_factor: 0.5                     
  19.             preview_mf: 1                       
  20.        masked_training: True                    
  21.              eyes_prio: False                  
  22.             mouth_prio: False                  
  23.            uniform_yaw: True                    
  24.          loss_function: SSIM                    
  25.          blur_out_mask: False                  
  26.              adabelief: True                    
  27.             lr_dropout: y                       
  28.            random_warp: False                  
  29.       random_hsv_power: 0.05                    
  30.      random_downsample: False                  
  31.           random_noise: False                  
  32.            random_blur: False                  
  33.            random_jpeg: False                  
  34.          random_shadow: none                    
  35.       background_power: 0.05                    
  36.                ct_mode: none                    
  37.           random_color: False                  
  38.               clipgrad: True                    
  39.               use_fp16: False                  
  40.                cpu_cap: 8                       
  41.        preview_samples: 4                       
  42.     force_full_preview: False                  
  43.                     lr: 5e-05                  
  44.        autobackup_hour: 1                       
  45.           session_name:                        
  46.      maximum_n_backups: 24                     
  47. write_preview_history: False                  
  48.            target_iter: 0                       
  49.        random_src_flip: False                  
  50.        random_dst_flip: True                    
  51.             batch_size: 10                     
  52.              gan_power: 0.2                     
  53.         gan_patch_size: 64                     
  54.               gan_dims: 16                     
  55.          gan_smoothing: 0.1                     
  56.              gan_noise: 0.0                     
  57.                                                 
  58. ----------------------运行信息----------------------
  59.                                                 
  60.                   设备编号: 0                       
  61.                   设备名称: NVIDIA GeForce RTX 4090
  62.                   显存大小: 20.85GB        

AMP610万迭代万能底丹:点击下载 

这篇关于AMP256_wf_610万迭代美女高参万能底丹,高参模型分享的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/820661

相关文章

Python 迭代器和生成器概念及场景分析

《Python迭代器和生成器概念及场景分析》yield是Python中实现惰性计算和协程的核心工具,结合send()、throw()、close()等方法,能够构建高效、灵活的数据流和控制流模型,这... 目录迭代器的介绍自定义迭代器省略的迭代器生产器的介绍yield的普通用法yield的高级用法yidle

Python通过模块化开发优化代码的技巧分享

《Python通过模块化开发优化代码的技巧分享》模块化开发就是把代码拆成一个个“零件”,该封装封装,该拆分拆分,下面小编就来和大家简单聊聊python如何用模块化开发进行代码优化吧... 目录什么是模块化开发如何拆分代码改进版:拆分成模块让模块更强大:使用 __init__.py你一定会遇到的问题模www.

Spring Security基于数据库的ABAC属性权限模型实战开发教程

《SpringSecurity基于数据库的ABAC属性权限模型实战开发教程》:本文主要介绍SpringSecurity基于数据库的ABAC属性权限模型实战开发教程,本文给大家介绍的非常详细,对大... 目录1. 前言2. 权限决策依据RBACABAC综合对比3. 数据库表结构说明4. 实战开始5. MyBA

C++变换迭代器使用方法小结

《C++变换迭代器使用方法小结》本文主要介绍了C++变换迭代器使用方法小结,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧... 目录1、源码2、代码解析代码解析:transform_iterator1. transform_iterat

Java的IO模型、Netty原理解析

《Java的IO模型、Netty原理解析》Java的I/O是以流的方式进行数据输入输出的,Java的类库涉及很多领域的IO内容:标准的输入输出,文件的操作、网络上的数据传输流、字符串流、对象流等,这篇... 目录1.什么是IO2.同步与异步、阻塞与非阻塞3.三种IO模型BIO(blocking I/O)NI

基于Flask框架添加多个AI模型的API并进行交互

《基于Flask框架添加多个AI模型的API并进行交互》:本文主要介绍如何基于Flask框架开发AI模型API管理系统,允许用户添加、删除不同AI模型的API密钥,感兴趣的可以了解下... 目录1. 概述2. 后端代码说明2.1 依赖库导入2.2 应用初始化2.3 API 存储字典2.4 路由函数2.5 应

Python解析器安装指南分享(Mac/Windows/Linux)

《Python解析器安装指南分享(Mac/Windows/Linux)》:本文主要介绍Python解析器安装指南(Mac/Windows/Linux),具有很好的参考价值,希望对大家有所帮助,如有... 目NMNkN录1js. 安装包下载1.1 python 下载官网2.核心安装方式3. MACOS 系统安

Mybatis从3.4.0版本到3.5.7版本的迭代方法实现

《Mybatis从3.4.0版本到3.5.7版本的迭代方法实现》本文主要介绍了Mybatis从3.4.0版本到3.5.7版本的迭代方法实现,包括主要的功能增强、不兼容的更改和修复的错误,具有一定的参考... 目录一、3.4.01、主要的功能增强2、selectCursor example3、不兼容的更改二、

Java嵌套for循环优化方案分享

《Java嵌套for循环优化方案分享》介绍了Java中嵌套for循环的优化方法,包括减少循环次数、合并循环、使用更高效的数据结构、并行处理、预处理和缓存、算法优化、尽量减少对象创建以及本地变量优化,通... 目录Java 嵌套 for 循环优化方案1. 减少循环次数2. 合并循环3. 使用更高效的数据结构4

C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)

《C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)》本文主要介绍了C#集成DeepSeek模型实现AI私有化的方法,包括搭建基础环境,如安装Ollama和下载DeepS... 目录前言搭建基础环境1、安装 Ollama2、下载 DeepSeek R1 模型客户端 ChatBo