Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
Overbill1683
Stable Diffusion Webui
提交
40b56c92
S
Stable Diffusion Webui
项目概览
Overbill1683
/
Stable Diffusion Webui
10 个月 前同步成功
通知
1739
Star
81
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
分析
仓库
DevOps
项目成员
Pages
S
Stable Diffusion Webui
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Pages
分析
分析
仓库分析
DevOps
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
提交
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
提交
40b56c92
编写于
10月 23, 2022
作者:
A
AngelBottomless
提交者:
AUTOMATIC1111
10月 24, 2022
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
cleanup some code
上级
b297cc33
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
3 addition
and
11 deletion
+3
-11
modules/hypernetworks/hypernetwork.py
modules/hypernetworks/hypernetwork.py
+3
-11
未找到文件。
modules/hypernetworks/hypernetwork.py
浏览文件 @
40b56c92
...
...
@@ -16,6 +16,7 @@ from modules.textual_inversion import textual_inversion
from
modules.textual_inversion.learn_schedule
import
LearnRateScheduler
from
torch
import
einsum
from
collections
import
defaultdict
,
deque
from
statistics
import
stdev
,
mean
class
HypernetworkModule
(
torch
.
nn
.
Module
):
...
...
@@ -269,15 +270,6 @@ def stack_conds(conds):
return
torch
.
stack
(
conds
)
def
log_statistics
(
loss_info
:
dict
,
key
,
value
):
if
key
not
in
loss_info
:
loss_info
[
key
]
=
[
value
]
else
:
loss_info
[
key
].
append
(
value
)
if
len
(
loss_info
[
key
])
>
1024
:
loss_info
[
key
].
pop
(
0
)
def
statistics
(
data
):
total_information
=
f
"loss:
{
mean
(
data
):.
3
f
}
"
+
u
"
\u00B1
"
+
f
"(
{
stdev
(
data
)
/
(
len
(
data
)
**
0.5
):.
3
f
}
)"
recent_data
=
data
[
-
32
:]
...
...
@@ -341,7 +333,7 @@ def train_hypernetwork(hypernetwork_name, learn_rate, batch_size, data_root, log
weight
.
requires_grad
=
True
size
=
len
(
ds
.
indexes
)
loss_dict
=
{}
loss_dict
=
defaultdict
(
lambda
:
deque
(
maxlen
=
1024
))
losses
=
torch
.
zeros
((
size
,))
previous_mean_loss
=
0
print
(
"Mean loss of {} elements"
.
format
(
size
))
...
...
@@ -383,7 +375,7 @@ def train_hypernetwork(hypernetwork_name, learn_rate, batch_size, data_root, log
losses
[
hypernetwork
.
step
%
losses
.
shape
[
0
]]
=
loss
.
item
()
for
entry
in
entries
:
lo
g_statistics
(
loss_dict
,
entry
.
filename
,
loss
.
item
())
lo
ss_dict
[
entry
.
filename
].
append
(
loss
.
item
())
optimizer
.
zero_grad
()
weights
[
0
].
grad
=
None
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录