Disco Diffusion完整基礎參數(shù)對照表文章來源地址http://www.zghlxwxcb.cn/news/detail-795825.html
| 變量名稱 | 描述 | 默認值 |
|---|---|---|
| text_prompts | 對你希望機器生成的內(nèi)容進行描述。 | N/A |
| image_prompts | 可以設置一些參考圖片，以對其內(nèi)容的更多描述（可選） | N/A |
| clip_guidance_scale | 控制圖像與描述語的相似程度。 | 1000 |
| tv_scale | 控制最終輸出的平滑度 | 150 |
| range_scale | 控制RGB值允許超出的范圍有多大 | 150 |
| sat_scale | 畫面飽和度控制 | 0 |
| cutn | 控制要從圖像中提取多少個裁剪 | 16 |
| cutn_batches | 積累batch裁切的CLIP梯度 | 2 |
| init_image | 初始化的圖片，機器在一張圖片的基礎上做渲染，可以是照片、涂鴉等，也可以保持缺失讓機器自己發(fā)揮 | None |
| init_scale | 初始圖像對最終結果影響的程度，建議值是1000 | 0 |
| skip_steps | 控制控制diffusion時間段的起始點 | 0 |
| perlin_init | 是否選擇以隨機的perlin噪聲開始 | FALSE |
| perlin_mode | perlin噪聲模式—(‘gray’, ‘color’) | mixed’ |
| skip_augs | 是否跳過torchvision的圖像增強功能 | FALSE |
| randomize_class | imagenet類是否在每次迭代中隨機改變 | Ture |
| clip_denoised | CLIP是否能分辨出有噪音的或去噪的圖像 | FALSE |
| clamp_grad | 實驗性的：在cond_fn中是否使用自適應clip梯度 | Ture |
| seed | 選擇一個隨機的種子，并在運行結束時打印出來供復制。 | random_seed |
| fuzzy_prompt | 是否向描述損失添加多個隨機的干擾描述 | FALSE |
| rand_mag | 控制隨機的干擾描述的大小 | 0.1 |
| eta | DDIM超參數(shù) | 0.5 |
| use_vertical_symmetry | 是否是水平對稱的 | FALSE |
| use_horizontal_symmetry | 是否是垂直對稱的 | FALSE |
| transformation_steps | 控制對稱性強度(以百分比的形式) | 0.01 |
| video_init_flow_warp | 是否啟動Flow_warp | Ture |
| video_init_flow_blend | 0–你得到的是原始輸入，1–你得到的是被warp的前一幀 | 0.999 |
| video_init_check_consistency | TBD檢查前向-后向flow的一致性（除非有太多的扭曲假象，否則不檢查) | FALSE |
| timestep_respacing | 修改這個值可以減少迭代次數(shù) | ddim100 |
| diffusion_steps | 迭代次數(shù) | 1000 |
| clip_models | 要加載的CLIP的模型。通常情況下，越多越好，但它們都有很高的顯存成本。 | ViT-B/32, ViT-B/16, RN50x4 |
| display_rate | 控制預覽刷新頻率。默認的50表示每50步刷新一次預覽效果 | 50 |
| n_batches | 同一詞組關鍵詞，生成多少張圖。默認的50表示AI繪制完成50張圖后停止繪畫 | 50 |
| steps | 越大畫面越精細，渲染也越慢，但超過500其實提升不顯著 | 240 |
| width_height | 生成的圖像大?。ǚ直媛剩?，必須是64的倍數(shù)， | [1270,768] |
文章來源：http://www.zghlxwxcb.cn/news/detail-795825.html
到了這里，關于Python-Ai繪畫-Disco Diffusion參數(shù)對照表的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網(wǎng)！
