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SDXL

AI净土交流群电报：https://t.me/+soU-Ws67aBlkY2I1

QQ群：895633778

WebUI推荐参数：

vae：sdxl-vae

采样：Euler a

步数：20-30

高分辨率修复 (Hires. fix)：高清修复一定要开！！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。