SAE是deepfacelab中最好最灵活的模型。通过合理的参数配置，你可以定制自己显卡的专属模型。
新版本更新了SAEHD，SAE的升级版。测试下来，收敛速度和效果要强于SAE。更新一下SAEHD的参数。
Enable autobackup? (y/n ?:help skip:n) :
–启用自动备份？ （是/否？：帮助 跳过：n）：
–自动备份模型，每小时备份一次。保留最近15个备份的数据。
–和中文补丁的自动备份功能重复，二选一。备份会占用比较大的空间，预留好磁盘。
Write preview history? (y/n ?:help skip:n):
–写预览历史记录？（是/否？：帮助 跳过：n）：
–每10s生成一张预览图，写入到model文件夹下的history文件夹。
–图片很多，占用空间、影响系统速度，一般不需要。我只在做实验的时候开启。
Choose image for the preview history? (y/n skip:n) :
–选择图像作为预览历史记录？（是/否跳过：n）:?
–选择之前的记录作为预览
–跳过，做实验才用。
Target iteration (skip:unlimited/default) :
–目标迭代次数限制（跳过：无限制）：
–目标迭代次数达成，即停止训练。
–一般默认一直跑。
Batch_size (?:help skip:0) :
–Batch_size值（跳过：无限制）：
–Bs大小的范围 – 意思是，一次有多少图像被发送到神经网络训练。默认情况下，选择较低的值。越大越好越慢越吃显存，根据自己显存大小调节。BS越大视频整体效果越好。
–模型后期需要大的bs帮助收敛，bs越大需要的显存越大。显存不够，开启优化模式可以用一部分内存替代显存。
Feed faces to network sorted by yaw? (y/n ?:help skip:n) :
–通过yaw分类将养成人脸发送到神经网络？（是/否 跳过：n）：
–在yaw模式下，src人脸按照与dst相同的方向排序。我们的想法是yaw是合适的人脸训练。但是，它没有经过充分测试。它对src素材的多样性有要求。
–src素材大于dst素材，或者src素材比较丰富时候启用这个。
Flip faces randomly? (y/n ?:help skip:y) :
–随意翻转脸？（是/否：？帮助 跳过：y）：
–所有脸部水平翻转，增加src输入样本。如果关闭换脸会更自然，但需要src覆盖所有旋转角度。样本少的时候打开此选项。
–src缺少、角度不全、炼丹启动。对结果要求比较高不要启用。
–新版本支持后期修改。
Src face scale modifier % ( -30…30, ?:help skip:0) :
–Src面部比例修改器％（ – 30 … 30，：？帮助 跳过：0）：
–缩放src人物脸部。如果src面部对比dst更宽并且变脸效果不好，那么稍微减少这个值是有意义的。
–选择后不可更改。
Resolution ( 64-256 ?:help skip:128) :
–分辨率（64-256：？帮助 跳过：128）
–更高分辨率 – 需要更多内存，更长的训练时间。您可以选择64到256的任何16的倍数值。分辨率越高，单张照片的合成效果越好。
–选择后不可更改。
Half, mid full, or full face? (h/mf/f, ?:help skip:f) :
–半脸、中脸还是全脸？（H / mf/f，：？帮助 跳过：f）：
–面部的一半（只包含五官，没有脸颊）、比半脸大30%、全尺寸
–新版本增加了mf，比半脸多30%面积
–选择后不可更改。
Learn mask? (y/n, ?:help skip:y) :
–学习遮罩？（是/否，：？帮助 跳过：y）：
–是否学习遮罩。
–新版本支持修改。
Optimizer mode? ( 1,2,3 ?:help skip:1) :
–优化模式？（1,2,3：？帮助 跳过：％d）：
–此选项仅适用于NVIDIA显卡。优化模式神经网络。1 – 默认情况下。2 – 允许您的训练网络x2，需要更多系统内存。3 – 允许您训练网络x3更大，需要更多系统内存和最多30％的CPU资源。网络层越多，执行速度越慢。
–报OOM（显存溢出）的时候使用model 2、3可以缓解，单次迭代时间会增加。
AE architecture (df, liae ?:help skip:df) :
–AE架构（df，liae，vg：？帮助 跳过：df）：
–神经网络的体系结构类型。
–选择后不可更改。
AutoEncoder dims (32-1024 ?:help skip:512) :
–编码器神经网络规模（32-1024？：帮助 跳过：512，liae-256）：
–网络维度的数量，人物所有信息都将包含在这些方面。例如，如果这些维度不够，则人物闭上眼睛将无法被识别。维度越多越好，越吃显存。可以减少维度以达到您的显卡的要求。
–值小的话很多细微的表情会识别不到。
–选择后不可更改。
Enable random warp of samples? ( y/n, ?:help skip:y) :
–启用面部扭曲（y/n？：帮助 跳过：n）：
–可以增加模型的融合性，训练一定程度后可以关闭这个选项，获得额外的清晰度。
Enable true face training? (y/n, ?:help skip:n) :
–启用true face 训练（y/n？：帮助 跳过：n）：
–训练结果更像src，并增加额外的清晰度。在转换前启用它，并训练3w次。
–without trueface : https://i.imgur.com/MPPKWil.jpg
–with trueface +23k iters : https://i.imgur.com/dV5Ofo9.jpg
–可以参考上面的对比
Encoder/Decoder dims per channel (10-85 ?:help skip:21) :
–每个通道的解码器网络规模（10-85？：帮助 跳过：21）：
–解码器的维数，有助于增加细节，越多越好，但会由于显存不足而无法启动。可以减少以达到您的显卡的要求。
–新版本解码编码器合为一个东西，新的21维度的解码器可以达到原来42的效果。
–选择后不可更改。
Use multiscale decoder? (y/n, ?:help skip:n) :
–使用多维度解码器？（是/否，？：帮助 跳过：n）：
–是否使用多维度解码器？可以实现更高的清晰度。一般不用。
–这个没啥效果，新版本已删除。
Use CA weights? (y/n, ?:help skip: n ) :
–使用CA权重？（是/否，？：帮助 跳过：n）：
–使用【Convolution Aware】权重初始化网络。这可能有助于实现更高精度的模型，但在首次运行时会消耗时间。
–会增加模型崩溃的概率。
–据说可以增加细节，初次初始化一般5-10分钟，后面不需要。我用8.30版本测下来没出现过崩溃，对品质有要求的可以选择y。
–新版本已经默认集成进去，不需要再设置。
Use pixel loss? (y/n, ?:help skip: n/default ) :
–使用像素丢失？（是/否，：？帮助 跳过：n /默认）：
–它可以更轻松地改善细节并消除抖动。仅在20k次迭代后包含。
–会增加模型崩溃的概率，此步骤可以在训练后期更改。
–很容易崩溃，不建议开启，如果用的话搭配gradient clipping。
–新版本已经默认集成进去，不需要再设置。
Face style power ( 0.0 .. 100.0 ?:help skip:0.00) :
–学习人物风格，如光照和颜色（0.0 .. 100.0？：帮助 跳过：0.00）：
–学习人物的风格，例如亮度和颜色。默认 0 – 不学
–会增加模型崩溃的概率，此步骤可以在训练后期更改。
–这个在模型训练完毕后，对模型进行备份。然后启用这个调节脸部颜色，需要变的颜色越多值越大，一般半小时到一小时就可以了。
Background style power ( 0.0 .. 100.0 ?:help skip:0.00) :
–学习人脸背景风格（0.0 .. 100.0？：帮助 跳过：0.00）：
–学习脸部周围的背景的速度。在大多数情况下，用于适应dst中的人脸风格。默认 0 – 不教
–会增加模型崩溃的概率，此步骤可以在训练后期更改。
–这个在模型训练完毕后，对模型进行备份。然后启用这个调节脸部边缘的颜色，需要变的颜色越多值越大，一般半小时到一小时就可以了。
Apply random color transfer to src faceset? (y/n, ?:help skip:n) :
–使用随机颜色填充src图片，用来解决脸部颜色问题
–这个在模型训练完毕后，对模型进行备份。然后启用这个调节脸部颜色一般搭配facestyle使用，需要变的颜色越多值越大，一般半小时到一小时就可以了。
–新版本已经舍弃。
Color transfer mode apply to src faceset. ( none/rct/lct/mkl/idt, ?:help skip:False) :
–更改接近dst样本的src样本的颜色分布。尝试所有模式去找到最佳模式（可以参考合成的颜色调整经验）。老版本默认是lct，在一些数据集上表现并不好。
–后期可以修改。
Enable gradient clipping? (y/n, ?:help skip:%s) :
–开启后会降低模型崩溃的概率，但会牺牲训练速度。
–一般不开启，模型经常崩就开启这个。
Pretrain the model? (y/n, ?:help skip:n) : ?
–预训练模型？（是/否，？：帮助 跳过：n）:?
–使用软件自带大量人脸数据集合（欧美的），通过预训练，增加模型的变能力。训练时间越长，效果越好。仅在第一次进入预训练，后面会跳过直接进入正常模式。预先训练模型的时间越长，变形能力越强。之后，会直接进入正常模式。
祝大家做出好的作品！
入门包会的视频教程，专人售后答疑？ai换脸教学公众号回复‘视频教程’了解。
暂无评论内容