色々なモデル学習方法
モデルの追加学習方法は数百枚～数万枚の画像データで行う純粋なDiffusion Modelの追加学習から、１枚、あるいは数枚程度の軽微な学習まで色々あり、Google colabで行える方法をまとめた。
なお学習したモデルやFine-tuningはAUTOMATIC1111の正しい場所に配置する必要があり、その配置情報は下の記事にまとめた。
programmingforever.hatenablog.com
メジャーなモデルの学習方法
- vanilla fine-tuning（一般的な追加学習）
- Texture Inversion（数枚～のデータ）
- Hypernetwork（数枚～のデータ）
- Dreambooth（数枚～のデータ）
- Aesthetic Gradients（数枚～のデータ）
- Imagic（１枚のデータ）
- DreamArtist（１枚のデータ）
- LoRA
- Merge（学習ではなくモデルのブレンド）
- 層別Merge
※マージは学習ではないが、好みのスタイルをブレンドしたオリジナルのモデルが作れるなどFine-tuningに近い調整が行えるので加えた。
1. vanilla fine-tuning（一般的な追加学習）
colabノートの詳細な説明がある記事を紹介。
2. Texture Inversion（数枚～のデータ）
colabノートの詳細な説明がある記事を紹介。
3. Hypernetwork（数枚～のデータ）
colabノートの詳細な説明がある記事を紹介。
4. Dreambooth（数枚～のデータ）
解説記事：
programmingforever.hatenablog.com
5. Aesthetic Gradients（数枚～のデータ）
詳細な説明がある記事を紹介。
6. Imagic（１枚のデータ）
解説記事：
programmingforever.hatenablog.com
7. DreamArtist（１枚のデータ）
解説記事：
programmingforever.hatenablog.com
8. LoRA
解説記事：
9. Merge（学習ではなくモデルのブレンド）
解説記事：
programmingforever.hatenablog.com
10. 層別Merge
解説記事：
