重新定义正则化，这个Lora的可以说是从另一个角度让我认识到了正则化对于训练Lora的另类作用！首先，我这个模型的数据集文件结构如下：<img src="https://liblibai-online.vibrou.com/img/db14e0c0ab354c569a27c03b25b2aff8/5ed9203cd0ba2ab1880c28454ed0aecc7d39c3ca72b9be874a9ff052c73be3b5.png?x-oss-process=image/resize,w_1290,m_lfit/format,webp" alt />很清晰可以看到这次训练的重点并不在img文件夹，而是在reg文件，模型的泛化能力也是来自于正则化！而在训练集中，我的图片是这样的：<img src="https://liblibai-online.vibrou.com/img/db14e0c0ab354c569a27c03b25b2aff8/6a51a4d0df08ca0c43c0fb29a3945e76cf4183b16e62edb8e1ab67d7a4b23ffb.png?x-oss-process=image/resize,w_1290,m_lfit/format,webp" alt />只有11张图片，都是花瓣，然而就是这种抽象的训练集我所训练出来的重点表现是在正则化中体现的，也就是“2_starry sky"星空主题，当然这次训练这个也是为了参与活动，但是我想到了这种抽象方式去表现，那就是花瓣环绕着星云！使用推荐：Lora权重建议在0.6—0.8左右！首推搭配“lbc_系列大模型”

Files with SHA256: a03d8eb1b0f6f0ba23c35c5a878dddba48525f0b7834be1511fdb462f3316bfe