AI 增量训练 Lora

我们点击“开启炼丹炉”，正式进入到丹炉内部。打开素材库可以看到5张tifa的图片图片，这是丹炉中自带的，我们先用这个来炼制第一炉丹吧。我们可以选择一个任意的基础模型，然后给我们想要炼制的lora取一个名字，即召唤词。正常来说，这个丹炉已经帮我们按照类型设定好了参数，所以你只需要点击“人物”选项卡就可以开始训练了。但是，我们这里最好还是要了解一下相关的参数，所以我们选择“自定义参数”。点击确定，我们就进入了一个参数设置的面板。接下来，我们就来了解一下，这些参数的具体含义。1首先是学习步数，指的是AI对我们每一张图片的学习次数。根据我们的训练内容，二次元图片的repeat一般在10-15，写实人物图片的repeat一般在30-50，真实世界的一些景观场景可能要达到100。repeat值越高，ai就能更好的读懂我们的图片，理论上讲图片的精细度越高，学习步数就要越高。

循环次数：AI将我们的所有图片按照学习步数学习一轮就是一次循环，那循环次数就是将这个过程重复多少遍。一般数值在10-20之间，次数并不是越多越好，因为学多了就会知识固化，变成一个书呆子，画什么都和我们的样图一样，我们称之为过拟合。每一次循环我们都会得到一个炼丹结果，所以epoch为10的话，我们就训练完之后就会得到10个丹。我们总的训练步数，就是：图片张数*学习步数*循环次数=训练步数。即：5*50*10=2500步2效率设置，主要是控制我们电脑的一个训练速度。可以保持默认值，也可以根据我们电脑的显存进行微调，但是要避免显存过载。

So what do I actually even mean by “AI” here?In the past,anything seriously computational was often considered “AI”,in which case,for example,what we’ve done for so long with our Wolfram Language computational language would qualify—as would all my “ruliological” study of simple programs in the computational universe.But here for the most part I’m going to adopt a narrower definition—and say that AI is something based on machine learning(and usually implemented with neural networks),that’s been incrementally trained from examples it’s been given.Often I’ll add another piece as well:that those examples include either a large corpus of human-generated scientific text,etc.,or a corpus of actual experience about things that happen in the world—or,in other words,that in addition to being a “raw learning machine” the AI is something that’s already learned from lots of human-aligned knowledge.那么我在这里所说的“人工智能”到底是什么意思呢？在过去，任何认真计算的东西通常都被认为是“人工智能”，在这种情况下，例如，我们长期以来使用Wolfram语言计算语言所做的事情就符合资格——就像我对简单程序的所有“规则学”研究一样。计算宇宙。但在这里，我将在很大程度上采用更狭义的定义，并说人工智能是基于机器学习（通常通过神经网络实现）的东西，它是根据给出的示例进行增量训练的。