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内存优化的实战技巧分享

《Python内存优化的实战技巧分享》Python作为一门解释型语言,虽然在开发效率上有着显著优势,但在执行效率方面往往被诟病,然而,通过合理的内存优化策略,我们可以让Python程序的运行速度提升3... 目录前言python内存管理机制引用计数机制垃圾回收机制内存泄漏的常见原因1. 循环引用2. 全局变

Linux从文件中提取特定内容的实用技巧分享

《Linux从文件中提取特定内容的实用技巧分享》在日常数据处理和配置文件管理中,我们经常需要从大型文件中提取特定内容,本文介绍的提取特定行技术正是这些高级操作的基础,以提取含有1的简单需求为例,我们可... 目录引言1、方法一:使用 grep 命令1.1 grep 命令基础1.2 命令详解1.3 高级用法2

使用IDEA部署Docker应用指南分享

《使用IDEA部署Docker应用指南分享》本文介绍了使用IDEA部署Docker应用的四步流程:创建Dockerfile、配置IDEADocker连接、设置运行调试环境、构建运行镜像,并强调需准备本... 目录一、创建 dockerfile 配置文件二、配置 IDEA 的 Docker 连接三、配置 Do

OpenCV在Java中的完整集成指南分享

《OpenCV在Java中的完整集成指南分享》本文详解了在Java中集成OpenCV的方法,涵盖jar包导入、dll配置、JNI路径设置及跨平台兼容性处理,提供了图像处理、特征检测、实时视频分析等应用... 目录1. OpenCV简介与应用领域1.1 OpenCV的诞生与发展1.2 OpenCV的应用领域2

Python中你不知道的gzip高级用法分享

《Python中你不知道的gzip高级用法分享》在当今大数据时代,数据存储和传输成本已成为每个开发者必须考虑的问题,Python内置的gzip模块提供了一种简单高效的解决方案,下面小编就来和大家详细讲... 目录前言:为什么数据压缩如此重要1. gzip 模块基础介绍2. 基本压缩与解压缩操作2.1 压缩文

Java设计模式---迭代器模式(Iterator)解读

《Java设计模式---迭代器模式(Iterator)解读》:本文主要介绍Java设计模式---迭代器模式(Iterator),具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,... 目录1、迭代器(Iterator)1.1、结构1.2、常用方法1.3、本质1、解耦集合与遍历逻辑2、统一

Go语言代码格式化的技巧分享

《Go语言代码格式化的技巧分享》在Go语言的开发过程中,代码格式化是一个看似细微却至关重要的环节,良好的代码格式化不仅能提升代码的可读性,还能促进团队协作,减少因代码风格差异引发的问题,Go在代码格式... 目录一、Go 语言代码格式化的重要性二、Go 语言代码格式化工具:gofmt 与 go fmt(一)

Python虚拟环境与Conda使用指南分享

《Python虚拟环境与Conda使用指南分享》:本文主要介绍Python虚拟环境与Conda使用指南,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、python 虚拟环境概述1.1 什么是虚拟环境1.2 为什么需要虚拟环境二、Python 内置的虚拟环境工具

详解如何使用Python从零开始构建文本统计模型

《详解如何使用Python从零开始构建文本统计模型》在自然语言处理领域,词汇表构建是文本预处理的关键环节,本文通过Python代码实践,演示如何从原始文本中提取多尺度特征,并通过动态调整机制构建更精确... 目录一、项目背景与核心思想二、核心代码解析1. 数据加载与预处理2. 多尺度字符统计3. 统计结果可

SpringBoot整合Sa-Token实现RBAC权限模型的过程解析

《SpringBoot整合Sa-Token实现RBAC权限模型的过程解析》:本文主要介绍SpringBoot整合Sa-Token实现RBAC权限模型的过程解析,本文给大家介绍的非常详细,对大家的学... 目录前言一、基础概念1.1 RBAC模型核心概念1.2 Sa-Token核心功能1.3 环境准备二、表结