textual inversion
-
发布时间:2022
-
目标:与DreamBooth一样,都是想要微调模型生成特定目标或风格的图像
-
方法:通过在vocabulary中添加一个额外的embedding来学习输入的新特征。预训练模型的所有参数都锁住,只有新的embedding被训练
-
DreamBooth与textual inversion区别
- 微调参数不同:前者微调所有参数,后者只训练新加的embedding
- 新token的添加方式:前者是在原有字典中找到一个罕见的word来学习新概念且利用了类别先验学习,而后者是在原有字典中添加了一个新的embedding从头训练。DreamBooth相当于改变那个罕见词汇的含义,textual inversion是添加新词汇
- 先验保留方式:DreamBooth通过先验保留损失来保证模型原来的认知不变(语言漂移),而由于textual inversion之前的vocabulary是锁住的,因此不会被改变也不需要添加相关损失
- 模型大小:DreamBooth更大,textual inversion更轻量
- 效果:textual inversion效果一般,现在也很少使用。个人认为可能是embedding缺少先验,难以训练,且参数较少微调能力不够
T2I Adaptor
- 发表时间:与ControlNet同期,2023
- 目标:与ControlNet一样,对图像生成进行控制
- 方法:与ControlNet很相似,也是额外添加了一个小网络,然后将权重添加到Unet的encoder中(实验结果显示加在encoder中效果较好)。
RB指残差模块 - 与ControlNet比较
- 权重添加位置不同,分别是Unet的encoder和decoder
- 额外的网络结构不同,ControlNet是copy了Unet的block,而T2I的外加网络结构与Unet无关
- 在实践中,ControlNet效果稍好
AdaLora
- 没有代码以及WebUI插件
- 基于Lora的改进:Lora中低秩分解的秩是人为指定的且是统一的,考虑到参数矩阵需要fine tune的秩可能是不一样的,提出自适应的秩,根据其重要性来进行秩的指定(参数分配)。在保证参数总数的情况下提升fine tune的性能
- 方法:
- 可以基于svd分解的特征值确定特征向量的重要性,但是svd分解非常耗时,实际操作中并不现实。于是使用三个矩阵模拟
,其参数是训练更新的,为了保证U和V的正交性,引入惩罚项 - 但是如果直接使用
中特征值绝对值大小评判特征向量的重要程度在实验中效果并不好。于是作者将损失对参数的求导结果作为该特征向量的重要性分数,对分数排序,去除分数低的特征向量。(这里对分数做了历史平滑,也考虑前面step中的重要性) - Lora中处理的是qkvo,本文处理的是qkv和feedforward中f1,f2,因为在消融实验中发现微调f1,f2也很重要
- 可以基于svd分解的特征值确定特征向量的重要性,但是svd分解非常耗时,实际操作中并不现实。于是使用三个矩阵模拟
- 比较
- 对Lora实现了参数动态分配,并将低质分解从attention层中扩展了feedforward层
LyCORIS:Lora的其他补充方式
WebUI可以使用,使用较多的是LoCon和LoHa
LoCon:Lora for convolution
- 将Lora扩展到卷积层。
- 方法:
- 在代码上只是将低了卷积的输出通道数
- 理论:将一个卷积核(一个通道)展开,可以看成是参数矩阵的一列。将所有卷积核按列排布可以得到类似于transformer中的参数矩阵,即卷积操作也是矩阵相乘。通过降低channel数再提高channel数实现降低参数量的目的
LoHa:LoRA with Hadamard Product representation
- 对Lora的改进,将hadamard product应用到矩阵低秩分解中。
- 总结
- LoCon和RoHa都能实现更细粒度的微调。LoCon可以对实现更细粒度的控制,从全图的调整优化为细粒度的部件调整。RoHa更注重于低秩矩阵分解本身,引入Hadamard Product,将秩的维度 从2R扩展到 R^2。这两个插件都包含在LyCORIS库
- Lora可以和其他微调方法一起使用以降低微调参数量,常用的是和DreamBooth一起降低参数量
- 这些方法需要的数据量都较小。一般来讲,微调的参数量越多,需要的数据量也越大(DreamBooth例外)
- 一般而言,数据越多,效果越好
文章出处登录后可见!
已经登录?立即刷新