|
Iperov's new workflow:
Settings: EMP Enabled, Blur Out Mask Enabled, UY Enabled, LRD Enabled, BS:8 (if you can't run your model with high enough BS lower it or run model optimizer and lrd on cpu).
Others options should be left at default values (usually means disabled). Optionally use HSV at power 0.1 and CT mode that works best for you, usually RCT.
Make a backup before every stage or enable auto backups.
1. Train +2.000.000 iters with RW enabled and delete inter_AB.npy every 500k iters (save and stop model training, delete the file and resume training)
2. After deleting inter_AB 4th time train extra +500k with RW enabled.
3. If swapped face looks more like DST, delete inter_AB and repeat step 2.
4. Disable RW and train for additional +500k iters.
5. Enable GAN at power 0.1 with GAN_Dims:32 and Patch Size being 1/8th of your model resolution for +800.000k iters.
伊佩罗夫的新工作流程:
设置: EMP 启用、Blur Out Mask 启用、UY 启用、LRD 启用、BS:8(如果无法以足够高的 BS 运行模型,可降低 BS 值或在 CPU 上运行模型优化器和 LRD)。
其他选项应保持默认值(通常意味着禁用)。
可选择使用功率为 0.1 的 HSV 和最适合您的 CT 模式,通常是 RCT。
在每个阶段前进行备份或启用自动备份。
1. 在启用 RW 的情况下训练 +2.000.000 iters,每 500k iters 删除 inter_AB.nypy(保存并停止模型训练,删除文件并继续训练)。
2.
第 4 次删除 inter_AB 之后,在启用 RW 的情况下额外训练 +500k。
3. 3. 如果交换面看起来更像 DST,则删除 inter_AB,然后重复步骤 2。4.
禁用 RW,再训练 +500k iters。
5. 启用功率为 0.1 的 GAN,GAN_Dims:32,补丁大小为 +800.000k iters 的模型分辨率的 1/8。
5.2 伊佩罗夫的旧工作流程:
1. 使用 Random Warp(随机扭曲)进行 500k-1kk 次迭代: Y, Uniform Yaw: Y, LRD: N, Blur Out Mask: Y, Color Transfer: 其他设置保持默认值。
2. 接下来进行 500k 次迭代,LRD:Y,其他设置保持步骤 1 中的设置。
3.
之后进行 500k 次迭代,设置为 Uniform Yaw: N
4. 现在进行 500-800k 次迭代,随机翘曲:N,均匀偏航:N: N ,Uniform Yaw: N ,LRD: Y *
5. 最后进行 200-300k 次迭代,随机翘曲:N ,Uniform Yaw: N ,LRD: Y * 5: N ,Uniform Yaw: N ,LRD: Y and GAN: 0.1, GAN PATCH SIZE: (1/8th of model resolution), GAN DIMS: 32
新流程解释
设置 :
眼嘴优先:Eyesand mouth priority 启用
遮罩边掾模糊:Blur out mask 启用
侧脸优化:Uniform yaw distribution of samples 启用
学习率下降:Use learning rate dropout 启用
Bathsize:8
其他选择新建模型时候的默认选项
启动 随机扭曲:Enable random warp of samples 训练200万迭代,每50万迭代删除一下模型中的 inter_AB.npy 文件夹
禁用 随机扭曲:Enable random warp of samples 训练50万迭代
在 0.1 的功率下启用 GAN,GAN_Dims:32,补丁大小是 +800.000k 迭代的模型分辨率的 1/8 训练80万迭代
|
|