五层依赖:只能从下往上讲
规则只有一条:下一层的术语没讲明白,上一层的课不许开。同层之间也有先后,按从左到右排;跨层不允许往回借词。
29 个术语,27 张卡
每张卡只回答四个问题:一句人话、必须先讲什么、在哪节课讲、哪些课会用到。三种结构图(Depth / Lineart / Canny)合成一张卡,所以卡比术语少两张。
三种把照片压成结构图的方式:深度管前后,线稿管轮廓,Canny 管边缘。
- 前置
- ControlNet
- 讲在
- L1-04
- 用在
- L1-04、L3-02、L3-03、L3-04、L3-08
看图说人话的多模态模型。把参考图读成一段英文描述。
- 前置
- 无(它直接看图出文字,输出再进文本编码)
- 讲在
- L2-02
- 用在
- L2-02、L3-02、L3-03、L3-04、L3-10
给它一个名词,它在图里画出框。不用事先训练这一类。
- 前置
- token(它直接吃文字,不吃编码后的条件)
- 讲在
- L3-06
- 用在
- L3-06
现有 31 课的五处顺序问题
按上面的依赖图层对照现有课程,问题集中在五处:两处倒挂、一处提前使用、一处断线、一处循环。每一处都给出具体修法,不改事实、不改文件名。
L1-04 讲 ControlNet,却要先用「条件」
ControlNet 的作用对象是条件(CONDITIONING),可「条件」要到 L2-02 才系统讲。现在 L1-04 直接用了这个词。
修法:L1-04 开头加三句话卡——「条件就是编码后的提示词,L2-02 专门讲,这里知道它干嘛就行」。不新增课程。
L1-05 讲 IPAdapter,却要先用 CLIP 编码
IPAdapter 靠 CLIP 视觉塔把参考图读成向量,而 CLIP 在 L2-01 才讲。L1-05 现在提到了视觉编码,但没有铺垫。
修法:同样在 L1-05 开头补一张三句话卡,标注「CLIP 在 L2-01 专门讲」。
L0-03 用到采样器、步数、CFG、种子、去噪,而它们都在 L1
L0-03 是「完整出一次图」,必然要碰 quant 参数。问题不在用,而在用了不解释。
修法:按两条硬规矩处理——每处要么当场一句人话,要么明确写「L1-02 / L1-03 专门讲,这里知道它干嘛就行」。已在 L0-03 重写中落地。
GroundingDINO 与 SAM 没有前置课
「检测」和「分割」这两个概念只出现在 L3-06,前面 30 课一次都没拆过。学员在这一课要同时接住开放词表检测、像素级分割、局部重绘三件事。
修法:新增 L2-05《检测与分割》——GroundingDINO 开放词表给框、SAM 提示式分割给遮罩,排在 L3-06 之前;语义分割另立 L2-05b《语义分割》——ADE20K 固定约 150 类、OneFormer 的 512 预处理、白模为何整片归一类。两者不是一件事,不能塞进一节。文件 l2-05-detect-segment.html、l2-05b-semantic-seg.html,均已交付。
潜空间和采样器互相引用
L1-01 讲潜空间时要提「采样在草稿上擦」,L1-02 讲采样时又要回头提「草稿」。两课互相当前置,读者两头都悬着。
修法:把边界切开——L1-01 只讲「1/8 草稿画布 + VAE 怎么来回翻」;「擦噪声」整段推给 L1-02。L1-01 里出现采样器时,统一写「L1-02 专门讲」。
L3 前置带:12 组实证缺口
来源不是推测,是 L3-01/02/03/05/06 改写时逐节翻出来的「用了但没讲清」。这 12 组全部必须在 L3 开课前补掉。编号规则统一后,12 组已全部落位:9 组并进对应的拆分节,另 3 组(D / F / I)也分别并进了 L2-01b、L2-02b、L2-06,不再需要独立编号。
| 组 | 缺口(原话要点) | 卡住哪些 L3 | 拟处理 |
|---|---|---|---|
| A | 扩散 / UNet:每步预测什么、噪声怎么擦掉 | L3 全线 | 并进 L1-06 UNet 与 DiT(已交付) |
| B | CLIP / token:tokenizer、上下文窗口、中英文 token 差异 | L3-01、02、03、05、06 | 并进 L2-02 文本条件,含 CLIP / token |
| C | 采样器与调度器:两者区别、常见组合 | L3-01~07 | 并进 L1-02 采样循环,选型归 L1-02b(均已交付) |
| D | LoRA ↔ Checkpoint:加载顺序、为何 LoRA 同时改 MODEL 和 CLIP | L3-01、02、04 | 并进 L2-01b 附加五项(已交付) |
| E | ControlNet 两段式:预处理器出控制图、怎么和控制模型配对 | L3-02、03、04、08、09 | 扩 L1-04b 这套 JSON 怎么填,含 union 型 |
| F | IPAdapter 权重:图像提示怎么注入、weight_type 差异 | L3-04、10 | 并进 L2-02b 结构与风格条件(已交付) |
| G | Florence2 读图:视觉模型输出如何变成文本 | L3-02、03、04、10 | 并进 L2-02c 文字工具(已交付) |
| H | 子图与死端:子图收口、没有出口的分支怎么读 | L3-03、04、06、07 | 扩 L2-04b 组织与接线(已交付) |
| I | Flux1 / Flux2 文本编码与 ReferenceLatent | L3-03、04、07 | 并进 L2-06 Flux2 精修链(已交付) |
| J | 遮罩 / alpha / clipspace:三种「哪里改」的坐标系 | L3-05、06、07 | 扩 L3-05b 遮罩是什么(已交付) |
| K | GroundingDINO 开放词表与 SAM 提示分割 | L3-06 | 并进 L2-05 检测与分割;语义分割归 L2-05b(均已交付) |
| L | 放大与校色:upscaler、分块、直方图匹配 | L3-07 | 扩 L3-07b 两种放大(已交付) |
拆课:31 课 → 50 课
编号规则已统一:拆分出来的节一律用「原编号 + b / c」,紧跟原课;原文件名保留,作为拆分后的第一节;只有独立的新知识才另起新编号。按此规则,L1 五节拆成十节,L2 四节拆成十节,另加四节独立新课,共新增 19 节。
| 新编号 | 新文件 | 从哪拆 / 补什么 | 先修 | 状态 |
|---|---|---|---|---|
| L0-02b | l0-02b-using-the-interface.html | 从 L0-02 拆出:界面六区、三种载入、载入后三处红 | L0-02 | 已交付 |
| L0-03b | l0-03b-read-main-chain.html | 从 L0-03 拆出:21 节点、3 子图、主链与旁支怎么读 | L0-03 | 已交付 |
| L1-01b | l1-01b-vae-codec.html | 从 L1-01 拆出:像素 ↔ 潜空间、#16 / #9 / #346 / #338 各自管什么 | L1-01 | 已交付 |
| L1-02b | l1-02b-steps-denoise.html | 从 L1-02 拆出:20 步在擦什么、denoise 0.55 改哪一段 | L1-02 | 已交付 |
| L1-03b | l1-03b-seed.html | 从 L1-03 拆出:同一颗种子复现、randomize 与 fixed | L1-03 | 已交付 |
| L1-04b | l1-04b-json-settings.html | 从 L1-04 拆出:预处理器配对、union 型一个权重切模式、强度通常更高 | L1-04 | 已交付 |
| L1-05b | l1-05b-params-noise.html | 从 L1-05 拆出:weight / weight_type、噪声与去噪怎么分工 | L1-05 | 已交付 |
| L1-06 | l1-06-unet-dit.html | 独立新知识:真正画画的那个网络,与采样器的分工 | L1-01、L1-02 | 已交付 |
| L2-01b | l2-01b-extra-loaders.html | 从 L2-01 拆出:Checkpoint 之外,UNET / CLIP / VAE 分开装 | L2-01 | 已交付 |
| L2-02b | l2-02b-structure-style.html | 从 L2-02 拆出:ControlNet 条件、IPAdapter 条件、参考图怎么进采样 | L2-02 | 已交付 |
| L2-02c | l2-02c-text-tools.html | 从 L2-02 拆出:翻译、Florence2 反推、描述怎么变成提示词 | L2-02 | 已交付 |
| L2-03b | l2-03b-latent-inpaint.html | 从 L2-03 拆出:ReferenceLatent 正负两槽、局部重绘改哪块潜变量 | L2-03 | 已交付 |
| L2-03c | l2-03c-upscale-size.html | 从 L2-03 拆出:upscaler、分块、总像素与尺寸 | L2-03 | 已交付 |
| L2-04b | l2-04b-groups-wiring.html | 从 L2-04 拆出:四层嵌套、内部编号 #363 起、与顶层不冲突 | L2-04 | 已交付 |
| L2-05 | l2-05-detect-segment.html | 独立新知识:GroundingDINO 开放词表 + SAM 提示式分割,出框和遮罩 | L2-02 | 已交付 |
| L2-05b | l2-05b-semantic-seg.html | 独立新知识:ADE20K 约 150 类、OneFormer 512 预处理、白模整片归一类 | L2-05 | 已交付 |
| L2-06 | l2-06-flux2-refine.html | 独立新知识:CFGGuider strength 1.0、步数在 Flux2Scheduler、ReferenceLatent 正负两槽 | L2-03 | 已交付 |
| L3-05b | l3-05b-mask.html | 从 L3-05 拆出:黑白图、涂哪里改哪里、扩边 | L3-05 | 已交付 |
| L3-07b | l3-07b-upscale-methods.html | 从 L3-07 拆出:插值放大与模型放大怎么分 | L3-07 | 已交付 |
b / c 后缀、3 节是独立新编号,都排在被拆课之后,读起来仍是顺序。这 19 节已全部写完,接下来可以把 L0-02 等原课瘦身——那一步才会动正文,不动文件名。b 位。此前提到的 D(LoRA ↔ Checkpoint)、F(IPAdapter 权重)、I(Flux 文本编码与 ReferenceLatent)三组,已分别并进 L2-01b、L2-02b、L2-06,不再另设编号。两条硬规矩,写进每一节
术语处理方式只有两种,没有第三种。这一页的每张卡、拆出来的每节课、重写的每一段,都按这两条执行。
术语只有两种命运
要么当场解释清楚(英文原名 + 一句人话 + 一个反例),要么明确标注「后面第 X 课专门讲,这里知道它干嘛就行」。不许含糊带过。
合格写法:「VAE 负责在像素和草稿之间来回翻译——这是第 L1-01 课的事,这里你只要知道它会把图压小又放大。」不许裸用未解释的术语
节点名、参数名、缩写、模型名都算术语。第一次出现时,要么解释,要么标注出处课程。做不到这两点的句子,删掉或改写。
不合格写法:「把 denoise 调到 0.55,重跑一次。」改:「把去噪强度(denoise,就是这一步擦掉原图多少)调到 0.55,重跑一次。」