Skip to content

Max的程式語言筆記

我要當一個豬頭，快樂過每一天

  • 首頁
  • Android
  • iOS
  • Python
  • WordPress
  • Java
  • javascript
  • 電腦
  • 關於Max

criterion = nn.L1Loss() 與 criterion = nn.BCELoss() 區別?

2025-03-04

🔹 nn.L1Loss() vs nn.BCEL…

加入自注意層是否有助字型的訓練?

2025-03-04

✅ 加入自注意力層 (Self-Attentio…

使用 Pix2Pix GAN，讓 Noto Sans 的輪廓轉換成 Zen Maru Gothic 風格

2025-03-04

這是一個完整的 Glyph GAN 訓練腳本，用…

使用 Glyph GAN 生成缺字並補全 Zen Maru Gothic

2025-03-03

Glyph GAN是一種專門用來補全字型缺字的生…

如何用 SD Inpainting 來補全 Zen Maru Gothic 缺字？

2025-03-03

Stable Diffusion Inpaint…

驗證Stable Diffusion模型效果 (推理 Inference) Zen Maru Gothic 字型

2025-03-03

載入訓練好的 LoRA/ControlNet 模…

Colab 上訓練 Stable Diffusion 1.5 + ControlNet 1.5降低記憶體策略

2025-03-02

在 Google Colab 上訓練 Stabl…

上傳多個檔案到 google drive 打包成一個檔案的解法有那些?

2025-03-02

由於逐一上傳 .png 和 .txt 檔案到 G…

Stable Diffusion 1.5 + ControlNet 學習 nato sans 與 zen maru gothic

2025-03-01

完整的步驟來在 Google Colab 上訓練…

在 colab 訓練 stable diffusion 的 lora 使用那一個預訓練的模型比較好?

2025-03-01

在 Colab 訓練 Stable Diffus…

文章分頁

上一頁 1 ... 5 6 7 ... 127 下一頁

近期文章

  • 學習率（Learning Rate）
  • 只增加對特殊規則的字的訓練, 副作用是會影響正常字的判斷
  • 增加梯度裁剪，限制梯度的最大值，從而防止梯度爆炸
  • zi2zi 目前 L1 Loss 主要考慮像素差異，但可能會造成模糊結果, 利用增強感知損失（Perceptual Loss）讓輸出更加銳利
  • VGG16 感知損失 vs VGG19
  • 修改 UNet ，加入 AdaIN（Adaptive Instance Normalization），並在中層（尤其是 layer=4, 5, 6）插入，以便更細緻地控制風格影響
  • 字型風格轉換的任務中，Generator 和 Discriminator 該不該使用不同的 norm_layer
  • Discriminator 加入 Spectral Normalization（光譜正規化）
  • 將 Feature Matching Loss 的程式碼加入到 Zi2ZiModel 類別中
  • Zi2ZiModel 字型風格轉換, 優化 UNetSkipConnectionBlock 的 forward 方法
  • Zi2ZiModel 字型風格轉換, 改善 SelfAttention 計算方式
  • 字型風格轉換 trainer Discriminator 最後增加的  Conv2d(1, 1, kernel_size=(5, 5), stride=(1, 1), padding=(2, 2)) 是否只是浪費計算資源
  • Zi2ZiModel 程式在 256×256 訓練資料沒有錯誤, 在 384×384 時會出錯?
  • 接續訓練時, 應該維持一致的 Lconst_penalty 與 L1_penalty 嗎?
  • Lconst_penalty 影響 生成影像與目標影像之間的 L1 損失權重
  • L1_penalty 影響 生成影像與目標影像之間的 L1 損失權重
  • Zi2ZiModel 字型風格轉換套用相對論對抗損失（Relativistic Loss），使得判別器學習「真比假更真」的概念，而不是單獨學習真假分類。
  • Zi2ZiModel 字型風格轉換加入了 AdaIN（Adaptive Instance Normalization） 來調整風格向量，並使用 Skip Connection（ResSkip） 來保留高解析度細節
  • Zi2ZiModel 字型風格轉換任務中，提高學習穩定性和推論品質
  • BCEWithLogitsLoss vs. Hinge Loss

文章標籤

Android apache Bootstrap C# chrome colab cordova css d3js Debug DigitalOcean Dropboxlike font FontForge git Google html image iOS Java javascript jQuery letsencrypt linux macOS math MDM mssql mysql password php Python rocky selenium stable-diffusion String Swift tkinter Tomcat tornado Ubuntu Web Windows WooCommerce wordpress

文章目錄

Copyright Max的程式語言筆記 All rights reserved | Powered by Superbthemes.com