很多人知道有些模型不一定适合自己,那是因为不是自己训练出来的模型,可是训练模型有难度吧,有很多人很碎片化去了解过,下面来详细介绍一下,怎样去训练模型,训练的模型才比较准确好用。
作为新手,推荐使用秋叶的炼丹炉安装包
A强制更新 国内加速先点击,然后等更新完成之后按任何键结束。
接着双击打开A启动脚本。
这个就是我们熟悉的训练模型的界面。
LORA模型训练有新手模式和专家模式两种,其实对于新手来说,使用新手模式就可以了,Dreambooth是训练大模型的,打标签可以使用stable diffusion或者这里面的WD 1.4标签器都可以,每次打标签之后可以查看一下文本,适当修改一下文本的标签。
![]() |
---|
![]() |
训练模型前,需要收集图片最少十几张,最好几十上百张图片,训练的图片尽可能统一的风格,接近高清的图片。
一般为512*512,20张图片以上
图片不是越多越好
也可以用其他的分辨率,但是长和宽必须是64的倍数,如果电脑配置高,显卡的内容高,可以试下1024X1024的图片来训练,一般512X512的都可以满足训练。
每张图片最好使用PS把图片来修剪和修改好,并做好分类。
接下来图片开始打标签,
可以使用SD或者LoRA训练器里面的WD1.4标签器自动打标。
打好标签后的图片。系统会自动重命名训练的每一张图片,并给每一张图片加上一个同名的.txt文本文件,文件中存放着描述的tag。
打好标签之后,需要检查标签内容,可以使用标签编辑器去排除不需要的单词,具体要看每张图片里面的标签单词的描写,出现一些单词如果不熟悉,可以使用翻译来对照。我们在核对tag,在每一个.txt文本中都要有我们输入的trigger word的触发词,比如我写的用csc带后面的分类拼音,,训练的关键是,任何你没有标注的内容,就是模型要学习的主要对象的天生内在的独有特征。比如训练中有的形状描写的不准确,需要删除,有些出现男女的描写,也要删除,一般在训练佛像人物造型的图片最容易出现。如果你不确定哪些打标签的词汇需要保留,哪些要添加或删除,那说明你对你训练的数据特征不够熟悉,只能反复去实验,通过训练后的结果对比来做最终的判断。
准备开始训练,新手模式即可1、底模可选择自己要使用的大模型或者泛用的大模型如SD原版模型2、将底模路径输入正确的路径,大模型没有自己训练出来的模型一般自己去找别人的写实模型比较好的。
输入图片路径,设置图片大小(自己处理图片的大小),设置模型保存名字。
设置相关参数训练轮次一般10~20次左右,次数太少训练效果可能不好。
学习率此处,已经自动设置好可以不用调整。
network设置,dim大小主要看训练类型,二次元图片较为简单一般使用64一下的数值,三次元图片一般使用64以上的数值,alpha可以使用dim数值的一半或者1。
开始训练
其他的数值都可以使用默认值或者不设置然后就可以直接开始训练,等待进度条读完就行会有两次读条第一次为加载图片,第二次才是训练。
然后就是在等待。
最后出来有几个文件,没有带有数字序号的就是训练好的模型,比如上图显示的硬金吊坠.safetensors,把训练出来的LORA模型复制到stable diffusion和comfyui的model目录,就可以测试训练出来的效果。
需要注意一点,就是自己打好关键词的标签,去图片里面文本复制好关键词,就可以实现自己写的关键词到文生图或者图生图里面。
每次写好图文都期待大家的关注和点赞,期待大家多去训练模型,有时候一次训练出来的未必是最好的模型,还可以再次去训练。
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。
这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
】
![](https://img-blog.csdnimg.cn/img_convert/0dc35641cd2d85e39db6e8cb368fa5cb.png)