想必各位炼金术师们经过这么长时间的实践与研究，已经弄清楚了Embedding能够对炼丹的效果带来多么巨大的影响了吧。不单单可以用来训练特定角色的tag，还可以用于学习各个画师的画风，可以说是非常有用的一种辅助模型了。但经过这几天的测试，我发现embedding在某些方面还是有着局限性的。比如在模仿特定画师画风的时候，embedding有时会使生成的图片带有奇怪的构图效果。此外，embedding在有些时候对原画师的画风模仿是不尽人意的。那么有没有一种方法，能够更好的去模仿画师的画风，生成让我们更加满意的图片呢？这里介绍另一种画风模仿模型的训练思路——Hypernetworks。
Hypernetworks模型能对画风进行改变的特性，使其成为了模仿画风的不二之选。下面是一则效果对比图，展示了使用Hyper模型带来的画风变化：
可见在附加了hyper之后，所生成的图片画风会发生巨大的变化，让它看起来非常像原画师的画像的风格。下面我将一步步来讲解要如何炼制一个Hyper模型。
准备：收集数据
为了训练你所需要的画师的画风，你需要收集大量的该画师所绘制的插图，画风尽量一致。
数据集预处理
为了能让训练的效果更好，我们需要用到webui新版本当中的deepdanbooru这一功能。Deepdanbooru，是一款基于Danbooru的图片分析模型，通过输入图片，就可以分析得到该图片所对应的danbooru tag。这一模型被webui用在了img2img的标签识别和数据集标注上。通过对数据集进行标记，可以显著提升训练的效果。
下面是安装方式：
- 从https://aiqianji.com/openoker/DeepDanbooru/archive/master.zip下载库，并将其丢在\你的webui目录\models\deepbooru下：
![直接解压]()
- （懒人包用户）对文件夹下的webui-user.bat进行编辑，具体内容如下：
![--medvram参数视个人情况添加]()
准备就绪后运行bat启动webui。Linux用户直接执行python webui.py （--share）--deepdanbooru即可。如果deepdanbooru启用成功，你会看到在img2img界面中，Generate的按钮下出现了deepdanbooru的按钮。
之后打开Settings，像这样对选项进行调整：
这样可以使deepdanbooru输出的标签正常化，避免出现奇怪的问题。接下来，在Train-Create Hypernetworks里面创建好模型：
之后对图片进行预处理和裁剪，按照下面的来就行。
生成反转图片和裁剪长图视情况而定。点击Preprocess，过一会就能看到裁剪好的图和deepdanbooru识别的tag文本文件了。
正式开始训练
直接在template当中输入hypernetwork.txt。
确认你的vae已经弹出（未加载）后，来到训练界面，像这样填好你的训练参数：
Hypernetwork选中你需要训练的那个。学习率一般0.000005就行。最大步数一般建议在20000步-35000步之间，太高会过拟合。要注意的是：模型存档时间（倒数第二个）一定要调到5000以上，不然80mb一个的hyper模型会把你的硬盘撑爆，预览Prompt根据喜好填写即可。
之后点击“Train Hypernetwork”，开始训练。训练最起码需要8G显存。你应该能在控制台看到这样的信息：
每隔一段时间记得去看一下预览图，确认模型是否过拟合。确认方法：若前面的步数生成的图片质量良好，后面的质量急转直下，生成无关图片甚至鬼图，即模型已经过拟合了。如果过拟合就在webui上停止训练。
测试和生成
训练完成后，你的models/hypernetworks目录下应该会出现之前你训练的pt模型文件。进入Settings，找到stable-diffusion,点击蓝色按钮刷新，在列表里面找到你训练好的pt，选中，应用。
这样就算是载入好了hypernetwork模型。接下来，按照正常步骤生成图片，即可看到效果。使用效果如图，seed和prompt是一样的：
- 无Hypernetwork
- 有Hypernetwork
