SDXL1.0正式版训练，训练分辨率为1024*1024，原大小1.7g压缩为17m，使用压缩方法sv_fro，注意当前lora仅支持SDXLAI净土交流群电报：<a target="_blank" rel="ugc" href="https://t.me/+soU-Ws67aBlkY2I1">https://t.me/+soU-Ws67aBlkY2I1</a>QQ群：895633778WebUI推荐参数：vae：sdxl-vae采样：Euler a步数：20-30高分辨率修复 (Hires. fix)：<s>高清修复一定要开！！</s>不一定开！高清迭代步数:15-20放大算法：R-ESRGAN 4x+重绘幅度：0.25-0.4放大倍数：2或者2以上cfg：7（可自由尝试）压缩算法简介：sv_fro方法是一种对矩阵进行深度压缩的方法，主要用于减少矩阵的存储空间和计算复杂度。sv_fro方法的基本思想是利用奇异值分解（Singular Value Decomposition，SVD）将矩阵分解为三个矩阵的乘积：A = U S V^T，其中U和V是正交矩阵，S是奇异值矩阵。奇异值矩阵S是一个对角矩阵，其对角线上的元素称为奇异值。在sv_fro方法中，只保留矩阵A中奇异值较大的部分，将较小的奇异值设为0，从而实现对矩阵的深度压缩。具体步骤如下：1. 对矩阵A进行奇异值分解，得到U、S和V。2. 根据预设的阈值，将S中小于阈值的奇异值设为0。3. 使用压缩后的奇异值矩阵S以及U和V重构原始矩阵A。通过sv_fro方法进行深度压缩后，可大幅减少矩阵的存储空间，同时还能在一定程度上降低计算复杂度。这对于需要处理大规模矩阵的任务来说，具有重要的实际应用意义。

Files with SHA256: ec7f1c58c5e87fbd9120108535a3b41052612c55db612c0e060bb1f0a549d1a8