前言

比起学习概念的embedding，HyperNetwork(超网络)更适合让AI学习图片整体画风。

HyperNetwork我是使用Anything当基础模型来训练。

一、开始

第一步：启动SD WebUI

第二步：进入Train页面

切换至Train页面，在Create hypernetwork输入名字。Number of vectors per token设置7以上。点击Create hypernetwork。

第三步：选择刚创建的hypernetwork

切换至Train页面，选择刚刚创建的hypernetwork，于Dataset directory输入训练数据的路径。Prompt template file选hypernetwork.txt。

第四步：设置训练

Max Step设置训练至10000步停止。

第五步：开始训练

最后点击Train HyperNetwork，开始训练。SD WebUI会显示剩余时间，HyperNetwork会比Embedding长一些。

第六步：查看训练结果

同样可以到SD WebUI根目录下的texual_inversions/hypernetwork查看训练结果。里面会有images目录存放第几步所训练的成果。

待训练完成后，至SD WeBUI根目录下的texual_Inversions/hypernetworks，对照images目录下的图片挑选合适的成品。

例如觉得9500步的不错，就将pt档放到SD WebUI根目录下的models/hypernetwork

二、使用HyperNetwork模型

于SD WebUI的生图界面，点击右上角Show Extra Networks

接着选取要使用的Hypernetwork，点击将其加入提示词字段

接着再使用训练时候使用的提示词，这样算出来的图便会有该HyperNetwork的人物了，并且画风还原很佳。