[Embedding][负向] Deep Negative V1.x

这个嵌入会告诉你什么才是真正令人厌恶的🤢🤮

所以请把它写在否定提示中😜

⚠该模型并未针对 SDXL 进行训练，在 SDXL 中使用时可能会带来不良结果。
如果你使用SDXL，推荐使用这个👉SDXL 版本的 DeepNegative

热门问答
如何使用TI模型？
https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Textual-Inversion

什么是负面提示？
https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Negative-prompt

【特别提醒】如果你的webui报如下错误：
-CUDA: CUDA error: device-side assert triggered
-Assertion -sizes <= index && index < sizes && "index out of bounds" failed
-XXX object has no attribute 'text_cond'

请尝试使用75T以外的型号版本。
> 原因是很多脚本不能正确处理过长的否定提示词（大于 75 个标记），因此选择较小的标记版本可以改善这种情况。

[更新：230120] 它起什么作用？
这些嵌入会学习令人厌恶的构图和颜色模式，包括错误的人体解剖结构、令人反感的配色方案、颠倒的空间结构等等。将其置于负片中可以大大避免这些事情。

-

什么是2T 4T 16T 32T？
每个 token 的向量数量

[更新:230120] 64T 75T是什么？
64T：在混合数据集上训练超过30,000 个步骤。
75T ：嵌入限制最大尺寸，在特殊数据集上训练 10,000 步（由许多不同的 sd 模型和特殊的反向处理生成）

应该选择哪一个？
75T：最“易于使用”的嵌入，它以特殊方式从其精确数据集中训练，几乎没有副作用。它包含足够的信息来涵盖各种使用场景。但对于一些“训练良好的模型”可能很难实现
并且，变化可能比较微妙，不够剧烈。
64T：适用于所有模型，但有副作用。因此，需要进行一些调整才能找到最佳权重。推荐：[(NG_DeepNegative_V1_64T：0.9）：0.1]
32T : 有用，但太多了
16T : 减少画出不良解剖结构的机会，但可能会画出丑陋的脸。适合提高建筑水平。
4T：减少画出不良解剖结构的机会，但对光线和阴影有一点影响
2T：像T75一样”易于使用”，但效果不明显

建议
因为这个嵌入正在学习如何创建令人厌恶的概念，它无法准确地提高图片质量，所以最好与（最差质量，低质量，徽标，文字，水印，用户名）这些负面提示一起使用。

当然，与其他类似的负嵌入一起使用也是完全没问题的。

更多示例和测试
绘制建筑物：https://imgur.com/5aX9yrP
手动修复：https://imgur.com/rDlsrgS
肖像（带有PureErosFace）：https://imgur.com/1Lqq595 https://imgur.com/V5kXBXz

融合体修复：

工作怎么样？
我尝试用 deepdream 算法让 SD 学到什么是真正令人厌恶的东西，数据集是 imagenet-mini（再次从数据集中随机选择了 1000 张图像）
deepdream真的太恶心了🤮训练这个模型的过程真的让我感到身体不舒服😂

备份
https://huggingface.co/lenML/DeepNegative/tree/main