以坤坤为例，上网随便找了几个坤坤的人脸图像，作为训练的数据集
建议看一遍教程，虽然这个up主好像不是很专业的样子，不过流程差不多是这样的，重点关注一下虚拟环境搭建完之后，在终端选择配置的操作，就是一堆yes no，的选项，跟着视频来就行了。
本地找个训练环境存放的文件夹，利用git工具拉取训练webui环境
git clone https://github.com/bmaltais/kohya_ss.git拉取后会有这样的目录，执行红框内的setup.bat文件就能安装训练的虚拟环境了（和之前搭建的SD框架虚拟环境类似，但是安装的python库版本会有所出入，如果不想有版本冲突的话，建议直接在这里就不需要操作任何配置了）
项目网站上有安装的教程，用于加速训练过程的，支持30和40系显卡
和打开SD webui类似，直接点击这个目录下的gui.bat文件，看到url网址出现就能打开网站了。
简单来说训练过程中需要图像和对应的图像描述，类似于其他机器学习中的数据和标签。在stable diffusion的webui里可以找到图像预处理模块。输入到lora训练网络中的数据集应该长这样：
结果展示
因为本文一开头搜集到的图像分辨率不一样，训练过程中最好使用同一的分辨率，这里可以通过剪裁网站批量处理人物图像。这里推荐使用512*512的分辨率。这个网站还能同一重命名图片，有强迫症的人很支持。
在ui的这个界面输入刚刚批量裁剪完的图像，和输出的目录。就能得到以下21张512*512并且带有描述文本的训练集了。
……这里坤坤的被预处理自动标记为1girl了，大家可以手动修改一下这个标签，然后检查其他的描述是否存在不合理的情况，酌情删除和增加即可。
回到lora训练的webui上，在dreambooth LoRA栏目下添加源模型，因为本次训练的是真实人物模型，笔者就选择了这个比较合适的大模型。
子栏目Folders按照这个格式放置刚刚处理的图片，这里的文件命名只需要注意10_cxk，前面的数字，是每次训练过程中网络训练单张图片的次数。其余的路径名大家可以自定义。
子栏目training parameter就是训练过程中需要炼丹的参数，大家根据自己电脑的配置来修改，数据量大的，显存足够的情况下，batchsize可以调高。学习率和epoch次数都是比较常见的修改参数。这里用了8个epoch去训练，每次epoch结束后都会保存当前的Lora模型。结果是这样的：
大家可以根据训练的loss值来选择计算机认为较好的结果，当然loss越小拟合得越好，太小则会过拟合，泛化性能不足。
刚刚一共训练了八个cxk_lora模型，但看loss值不好挑选最佳的模型，这里回到stable diffusion webui里，利用脚本来观察那个lora模型比较好。
需要安装红框里的插件，才能利用脚本一次性使用多个lora进行对比，当然，大家可以不用插件，一个一个去生成，但是就是会比较麻烦，有插件就方便一些。
把刚刚整完的lora模型放到这个插件的model/lora目录下，就能在界面看到这样的效果。记得大模型要选择你训练的时候的基底模型。附加网络随机选取，这个插件不用选择开启。但是网络类型和模型是需要选取的，为的是让后面的脚本能识别你要进行对比的lora模型。
脚本里这样设置，选择XYZ 绘图脚本
X轴类型选择刚刚插件内的额外网络模型（也就是你的Lora模型）
Y轴选择这个模型需要运用的程度，等价于prompt语法中的<lora:cxk_model_xxx:0.5>，因为有些情况下，会出现模型的过拟合，若是应用占比过大，反而效果不好。
出图结果：
可以看到拉，cxk_lora-7这个模型配合上0.9左右的占比，实现的效果比较好。
选择刚刚合适的模型，放入到这个目录下（其实应该可以修改代码，这样就不用复制来复制去了。。还占用空间，不过fine拉，看代码也是个很长的过程）
然后就能在stable diffusion webui里愉快地出图啦~
这里的插件和脚本都不需要开启了。记得关闭。
训练工程——kohya_ss
剪裁工具——photosoft
在神经网络方面，我完全是个初学者。我整天都在与ruby-fann和ai4r搏斗，不幸的是我没有任何东西可以展示，所以我想我会来到StackOverflow并询问这里的知识渊博的人。我有一组样本——每天都有一个数据点，但它们不符合我能够找出的任何明确模式(我尝试了几次回归)。不过，我认为看看是否有任何方法可以仅从日期预测future的数据会很好，而且我认为神经网络将是生成希望表达这种关系的函数的好方法.日期是DateTime对象，数据点是十进制数，例如7.68。我一直在将DateTime对象转换为float，然后除以10,000,000,000得到一个介于0和1之间的数字，我一直在将
我正在尝试训练一个前馈网络来使用Ruby库AI4R执行异或运算。然而，当我在训练后评估XOR时。我没有得到正确的输出。有没有人以前使用过这个库并得到它来学习异或运算。我使用了两个输入神经元，一个隐藏层中的三个神经元，一个输出层，正如我看到的预计算XOR前馈神经网络就像这样。require"rubygems"require"ai4r"#Createthenetworkwith:#2inputs#1hiddenlayerwith3neurons#1outputsnet=Ai4r::NeuralNetwork::Backpropagation.new([2,3,1])example=[[0,
关于yolov5训练时参数workers和batch-size的理解yolov5训练命令workers和batch-size参数的理解两个参数的调优总结yolov5训练命令python.\train.py--datamy.yaml--workers8--batch-size32--epochs100yolov5的训练很简单，下载好仓库，装好依赖后，只需自定义一下data目录中的yaml文件就可以了。这里我使用自定义的my.yaml文件，里面就是定义数据集位置和训练种类数和名字。workers和batch-size参数的理解一般训练主要需要调整的参数是这两个：workers指数据装载时cpu所使
1.深度优先搜索(DFS)深度优先遍历主要思路是从图中一个未访问的顶点V开始，沿着一条路一直走到底，然后从这条路尽头的节点回退到上一个节点，再从另一条路开始走到底…，不断递归重复此过程，直到所有的顶点都遍历完成。例题P1605迷宫题目描述给定一个N×MN\timesMN×M方格的迷宫，迷宫里有TTT处障碍，障碍处不可通过。在迷宫中移动有上下左右四种方式，每次只能移动一个方格。数据保证起点上没有障碍。给定起点坐标和终点坐标，每个方格最多经过一次，问有多少种从起点坐标到终点坐标的方案。输入格式第一行为三个正整数N,M,TN,M,TN,M,T，分别表示迷宫的长宽和障碍总数。第二行为四个正整数SX,S
趁着寒假期间稍微尝试跑了一下yolov5和yolov7的代码，由于自己用的笔记本没有独显，台式机虽有独显但用起来并不顺利，所以选择了租云服务器的方式，选择的平台是矩池云（价格合理，操作便捷）需要特别指出的是，如果需要用pycharm链接云服务器训练，必须要使用pycharm的专业版而不是社区版，专业版可以使用SSH服务连接云服务器。关于专业版的获取，据我所知一是可以买，二是如果你是在校大学生，可以用学生证向JetBrain申请专业版使用权，我就是通过这种方式激活专业版账户的，我记得当时两三天官方就发激活邮件了，还是很人性化的，使用期一年。下面开始正题本教程只涉及将yolov5及yolov7跑通
在训练时候loss出现负值，就立马停下来分析一下原因在哪。最有可能是损失函数出现问题，开始只使用交叉熵损失时没有出现过，在加上了diceloss时就出现了问题。于是就去diceloss中寻找原因。1：首先需要明白语义分割的GT，每一个像素点的值就是像素的类别。#-*-coding:utf-8-*-importnumpyasnpfromtorchvisionimporttransformsimporttorchfromPILimportImageimg=Image.open('C:/Users/翰墨大人/Desktop/0003_lable.png')#图像所在位置img1=np.array(i
这是问题的链接:https://codility.com/demo/take-sample-test/clocks问题是我不能从中得到100分(只有42分)。运行时间还可以，但对于某些测试用例，代码给出了错误的答案，但我无法弄清楚问题出在哪里。有人可以帮帮我吗？这是我的代码:functionrotate(arr){varmin=arr.reduce(function(a,b){returna>b?b:a});while(arr[0]!=min){varfirst=arr.shift();arr.push(first);}}functionsolution(A,P){varpositio
关闭。这个问题需要更多focused.它目前不接受答案。想改进这个问题？更新问题，使其仅关注一个问题editingthispost.3年前关闭。Improvethisquestion我当前的网络应用项目需要一点NLP:通过Punkt等将文本标记为句子；用从句分解较长的句子(通常用逗号，除非不是)贝叶斯模型适合于感觉均匀的分段段落，没有孤儿或寡妇，并且最小的尴尬split(也许)...如果您有NLTK，其中大部分是一项幼稚的简单任务—我这样做了，有点:应用程序后端是Tornado上的Django；你会认为做这些事情不是问题。但是，我必须以交互方式提供需要标记器的用户反馈，因此我需要对数据
目录前言一、准备工作1.pcdet整体架构2.pcdet数据流3.kitti_dataset.py理解二、自定义数据集类的编写(参考kitti_dataset.py进行修改)三、修改eval部分四、可视化总结前言使用OpenPCDet框架训练自己的点云数据并进行可视化，涉及到以下四个方面：1.准备工作2.修改dataset进行训练3.修改评估代码4.可视化一、准备工作1.pcdet整体架构共分为data pcdet、models、ops、tools、utils几个部分data:存放数据pcdet文件夹：datasets，models，ops，utils，configdatasets（文件夹）：
我从LoRa节点收集数据，然后网关转发到lora服务器，最后，数据到lora应用服务器。但我找不到以下界面。(https://docs.loraserver.io/lora-app-server/integrate/data/)enterimagedescriptionhere 最佳答案 您需要实现一个MQTT客户端(或使用命令行客户端，如https://docs.loraserver.io/lora-app-server/integrate/data/中建议的mosquitto_sub)，然后订阅指定节点的接收主题。您发布的图像不