在Stable Diffusion，有好几种模型训练方式，前面已经介绍了效果最佳的dream booth，另外还有Textual Inversion （Embedding）、 Hypernetwork和Lora几种方式。今天来介绍下Textual Inversion （Embedding）的模型训练方法。
相对于dream booth动辄几个G的体积，Textual Inversion的体积则非常小。dream booth需要在专门的dream booth训练colab中跑程序，但是Textual Inversion在Stable Diffusion自带的web ui界面中就可以使用。
首先，还是要准备几十张照片，然后可以在birme网站调整成512*512的尺寸。
打开Stable Diffusion界面，点击训练→建立嵌入，填入这个模型的名称、初始化文字（调用模型时用的词语），每个标记的向量数(6-10之间都可以)
然后点击：建立嵌入。创建了一个.pt格式的文件。
然后点击：图像预处理，这一步主要是给图片打标签，
填入来源目录（就是第一步已经处理好的图片，保存到谷歌drive里面），如果在谷歌硬盘里面建立的文件夹是xixiprincess_training，那么来源目录就填/content/drive/Mydrive/xixiprincess_training
目标目录，就是打完标签的图片要保存的文件目录，可以在谷歌drive里面新建一个文件夹xixiprincess_training_input。
然后勾选底部的：建立镜像副本、使用deepbooru生成说明文字。点击：预处理，很快图片打标签就完成了。可以看到xixiprincess_training_input文件夹里面多了很多和图片同名的txt文档，里面就是刚才打的标签，就是对于图片的文字描述。
接下里，点击训练，选择刚才建立的xixiprincess_training文件，如果看不到，点击右边的蓝色小按钮，刷新一下，就可以看到了。
这里资料集目录填入刚才创建的xixiprincess_training_input, 提示模板选择style_filewords.txt,其他不用动，然后选择训练嵌入，就可以了。
每隔500步，这里会展示出训练的模型效果预览图。
如果觉得满意，就可以点击中止，来结束训练。不满意，就让训练过程继续跑。一般要到1万步左右，可能才会出现比较不错的效果，有些可能要到3万步。1万步左右，通常耗时1个半小时左右。
结束训练后，可以在stable-diffusion-webui/models/embeddings里面可以找到已经训练好的模型：xixiprincess_training.pt，仅有4K大小。
模型训练好后，怎么使用呢？
进入到stable diffusion的 WebUI界面，点选右上角“产生”按钮下面的Show Extra Networks按钮，然后会出现文本反转textual inversion、超网络、lora这些按钮，点击右边的蓝色按钮，刷新一下，就可以看到xixiprincess_training的textual inversion模型了。
然后在提示词输入框里面输入提示词，比如：a girl reading book in library，然后点击xixiprincess_training模型，提示词里面自动添加xixiprincess，这就会调用刚才生成的模型，然后点击生成图片的按钮，生成效果如下。显然，刚才训练的效果不是很好，后续还需要进行调整。
可见，Textual Inversion （Embedding）的优势在于模型文件非常小，操作也是比较简单的，但是效果明显不如dream booth，而且训练耗时时间较长。综合起来看，训练Lora模型对于大部分人来说可能更好。
