AI绘画Stable Diffusion 必学技能——从零开始训练你的专属 Lora 模型！模型训练保姆级教程建议收藏！

大家好，我是程序员晓晓

接触AI绘画的小伙伴，一定听过Lora。

Lora模型全称是：Low-Rank Adaptation of Large Language Models，可以理解为Stable-Diffusion中的一个插件，在生成图片时，Lora模型会与大模型结合使用，从而实现对输出图片结果的调整。

我们举个更容易懂的例子：大模型就像素颜的人，Lora模型就如同进行了化妆、整容或cosplay，但内在还在大模型的底子。当然Lora模型不仅仅限制于人物，场景、动漫、风格都有相对应的Lora。

作为公认最具性价比的模型训练手段，只需要不到20张图片和10分钟的训练，就可以将一个人物、物品甚至是风格融入到AI绘画中，所以说训练Lora是每一个AI绘画学者必备的技能！今天就跟着晓晓来进入学习吧～

---

一、配置要求和训练环境

1、电脑配置： N卡 gpu 6G以上；

2、训练环境： 除了直接用训练脚本直接进行操作外，可以使用不同的训练图形化操作界面方便操作。可以用秋叶Lora模型训练器、朱尼酱的赛博丹炉等等选一个即可

3、模型训练器下载：秋叶大佬的Lora模型训练器我已经准备好了，需要的小伙伴可以看文末扫描免费获取哦

二、训练数据集准备

1、训练素材处理：

首先确定你的训练主题，比如某个人物、某种物品、某种画风等，确定好后准备用于训练的素材图片，素材图的质量直接决定了模型的质量，好的训练集有以下要求：

• 不少于 15 张的高质量图片，一般可以准备 20-50 张图；

• 图片主体内容清晰可辨、特征明显，图片构图简单，避免其它杂乱元素；

• 如果是人物照，尽可能以脸部特写为主（多角度、多表情），再放几张全身像（不同姿势、不同服装）；

• 减少重复或相似度高的图片。

素材图准备完毕后，需要对图片做进一步处理：

• 对于低像素的素材图，可以用 Stable Diffusion 的 Extra 功能进行高清处理；

• 统一素材图分辨率，注意分辨率为 64 的倍数， 显存低的可裁切为 512x512，显存高的可裁切为 768x768，可以通过美图秀秀等工具进行批量裁切，尺寸越大训练模型越吃显存，可能会出现报错学习卡死等问题。

2. 图像预处理

这一步的关键是对训练素材进行打标签，从而辅助 AI 学习。这里介绍两种打标签的方法：

方法一：把训练素材文件夹路径填写到 Stable Diffusion 训练模块中的图像预处理功能，勾选生成 DeepBooru，进行 tags 打标签。

方法二：安装 tagger 标签器插件，进行 tags 打标签。项目地址：https://github.com/toriato/stable-diffusion-webui-wd14-tagger
（该网站需科学上网，需要tagger 标签器插件的小伙伴可以看上方或文末扫描免费获取哦）

选择批量处理, 输入目录填写处理好的图片目录，设置标签文件输出目录，阈值设置为 0.3（生成尽可能多的标签来描述图片内容），开始打标签。

3. 打标优化

预处理生成 tags 打标文件后，就需要对文件中的标签再进行优化，一般有两种优化方法：

保留全部标签：

优势： 效率快省时省力的训练出模型，拟合度提高，且过拟合出现的情况是最低的。

缺陷： 风格会变化过大，tag调用比较困难，训练时需要把epoch提高时间成本会被拉长。

剔除部分特征标签：

优势： 整合成少量的触发词tag后，调用方便，更精准还原角色特征。

缺陷： 容易导致过拟合，泛化性也会降低，如果标签删太多会导致生成的画面非常固化。

三、训练参数调节

至此，准备工作就完成了，可以开始准备正式训练LoRA了，这边使用秋叶大佬的Lora训练器SD-Trainer，选择新手训练模式。

进入新手模式后，需要选择训练LoRA使用的大模型：

底模文件路径，选择你要训练Lora使用的大模型，直接点击右侧的小文件夹选择即可。

训练数据集路径：在选择这一步之前，需要现在sd/lora-scripts-v1.7.3/train这个文件夹下建一个文件夹，在文件夹在里面建一个“数字_英文名”的文件夹，将之前打标好的图和标签一起复制到“数字_英文名”的文件中。

修改分辨率（之前数据集的尺寸是多少，这里就用多少）保存设置：保存模型的名称修改成你想要的名称，点击开始训练，就可以在终端看到它正在疯狂训练中…这个时间会比较久，慢慢等待就好。

这个过程会比较久，等待训练成功后会提示你训练成功。至此整个Lora的训练就完成了，你可以拿你训练好的Lora在WebUI上使用了。

感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程和软件工具，具体看这里。

AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。
 

一、AIGC所有方向的学习路线

AIGC所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。

二、AIGC必备工具

工具都帮大家整理好了，安装就可直接上手！

三、最新AIGC学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、AIGC视频教程合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

若有侵权，请联系删除