|
注意: 英伟达显卡50系列请使用 DeepFaceLab_Directx12_MIVE_AIBL 版本, Directx12版本支持英伟达50系列显卡
此版本是DFL-MVE版本,为最新版本,网上流传的 ICE、Me等版本,都是此版本修改而得的,训练模型强烈推荐此版本
仅做汉化,代码无加密修改,此版本兼容deepfacelab原版训练的模型,并且新增了很多功能
优点:稳定且好用,不会出错
github项目地址:https://github.com/MachineEditor/DeepFaceLab-MVE
deepfacelab-MVE 版本兼容 deepfacelab 原版的模型
此版本前期可开启随机颜色选项, 模型的光影泛化能力很好
包含AMD显卡版本,更新了Python依赖,同等规格A卡训练速度并不比N卡版本慢多少
DFL-MVE分支中引入的改进之一是能够自动生成、手动编辑和稍后重用配置文件。
您可以通过命令行参数手动处理配置文件:
用于自动生成配置文件,或恢复其配置--auto_gen_config
或用于加载外部配置文件并覆盖以前的设置--config_training_file
训练优化(原版AMP模型中眼嘴优先训练是默认开启的)
单独的眼睛训练
单独的嘴巴训练
重新训练高损失样本
定期重新训练最后 16 个“高损失”样本
新的样本降级选项(仅影响输入,类似于随机扭曲):
- 通过缩小一些随机样本挑战模型。(随机将图像的分辨率缩小,再放大回去,从而对图像引入了一定的模糊或失真,图像会被缩小到原始分辨率的 1/8 到 1/4 之间)
- 通过向某些样本添加随机噪声挑战模型。(在图像中添加相应的噪声。通过这种方式,图像会随机变得模糊或失真,增强模型对噪声的泛化性)
- 通过向某些样本添加随机模糊挑战模型。(通过随机选择模糊类型,对图像应用不同的模糊效果。模糊是一种图像处理技术,用于减少图像中的细节和噪点,使得图像看起来更加平滑,提供模型其对模糊图像的泛化性)
- 启用对图像应用不同级别的 JPEG 压缩挑战模型。(随机对图像应用不同级别的 JPEG 压缩,再将其还原为原始的图像格式。这种操作常用于数据增强,通过引入 JPEG 压缩噪声,帮助模型学习在有损压缩条件下的图像处理能力
启用样本的随机阴影和高光有助于在数据集中创建暗光区域。如果您的 src 数据集缺少阴影/不同的光照情况,请使用。
随机颜色有助于泛化训练,提高模型的光影效果
下载链接:https://pan.baidu.com/s/1S3sgxTZy1Ifciu4KcXV_nQ?pwd=kfz0
解压密码: www.aibl.vip
|
|