Dreambooth 是 Google 开发的一种系统，用于训练模型识别用户提交的主题，并将其应用到提示的上下文中（例如[用户]在艾菲尔铁塔下微笑）。其官方 Github 的 Readme 文档上有着非常详细的文字说明与视频教程，是学习 Dreambooth 炼丹的最佳资料之一，讲解了包括训练集训练轮数 Epochs、同时处理的图片数 Batch Size、学习率 Learning Rate 等核心超参数在内的各种参数设置与调整建议。
在相关教程中，对 Batching 批处理进行了研究，全文逾万字，主要探讨了训练集训练轮数 Epochs、同时进行训练的图像数 Batch size、学习率 Learning rate 等重要超参数。
此外，还有一些里程碑式的研究成果与 Dreambooth 相关，如：
Dreambooth 官方文档未解读完的部分将在下一篇文章更新，更多细节讨论也可以加入 Stable Diffusion 炼丹阁和道友们一起交流。
作者：设计师忠忠[Stable Diffusion炼丹阁](https://mp.weixin.qq.com/s/V8zru-yqkvWj3hndvfhQpw#)[.](https://mp.weixin.qq.com/s/V8zru-yqkvWj3hndvfhQpw#)[AIGC炼丹师聚集地，专注于将Stable Diffusion的图像生成与模型训练能力应用于落地工作。](https://mp.weixin.qq.com/s/V8zru-yqkvWj3hndvfhQpw#)原创设计师忠忠Stable Diffusion炼丹阁2023-04-09 18:16发表于广东原文链接地址：https://mp.weixin.qq.com/s/8ECZ5xaUF20AqMU3jb2Zqg[heading1]前言[content]Dreambooth官方Github的Readme文档上有着非常详细的文字说明与视频教程，是学习Dreambooth炼丹的最佳资料之一，讲解了包括训练集训练轮数Epochs、同时处理的图片数Batch Size、学习率Learning Rate等核心超参数在内的各种参数设置与调整建议。接下来我将结合自己的理解，靠着GPT4、NewBing的帮助和大家一起修炼这份炼丹术进阶教程，踏上这炼丹修仙长生之路！
全文到这里已逾万字，主要研究了训练集训练轮数Epochs、同时进行训练的图像数Batch size、学习率Learning rate等，这些都是训练中非常重要的超参数，值得我们认真研究。虽然认真研究参数是什么确实很占据篇幅哈哈，而且即使篇幅如此之长，却也才粗略提了下相关内容，更多细节还可以展开讨论很多，就放在后面的文章再与诸君畅谈吧哈哈。Dreambooth官方文档未解读完的部分将在下一篇文章更新，更多细节讨论也可以加入Stable Diffusion炼丹阁和道友们一起交流丹道奥秘，比如讨论药材的选取与火候的控制，成丹的评估方案等等~仙途漫漫，携手同行哈哈哈
[Learning transferable visual models from natural language supervision](https://arxiv.org/abs/2103.00020)（2021）：这篇论文介绍了一种基础模型CLIP，将文本描述与图像联系起来。这是计算机视觉中首次有效的大规模使用基础模型。（[博客文章](https://openai.com/research/clip)）[Zero-shot text-to-image generation](https://arxiv.org/abs/2102.12092)（2021）：这篇论文介绍了DALL-E，这是一种将上述的CLIP和GPT-3结合起来，根据文本提示自动生成图像的模型。它的后继者，DALL-E 2，在2022年引发了基于图像的生成式AI热潮。（[博客文章](https://openai.com/research/dall-e)）[High-resolution image synthesis with latent diffusion models](https://arxiv.org/abs/2112.10752)（2021）：描述稳定扩散的论文（在发布和爆炸性开源增长之后）。[Photorealistic text-to-image diffusion models with deep language understanding](https://arxiv.org/abs/2205.11487)（2022年）：Imagen是Google进入AI图像生成领域的尝试。尽管在宣布后的一年多时间里，该模型截止到本文发布日期仍未公开发布。（[网站](https://imagen.research.google/)）[DreamBooth：Fine tuning text-to-image diffusion models for subject-driven generation](https://arxiv.org/abs/2208.12242)（2022）：DreamBooth是Google开发的一种系统，用于训练模型识别用户提交的主题，并将其应用到提示的上下文中（例如[用户]在艾菲尔铁塔下微笑）。（[网站](https://dreambooth.github.io/)）