Stable Diffusion 指定模型，Lora 训练全流程

简介

在使用 Stable Diffusion 的时候，可以选择别人训练好的 Lora，那么如何训练自己的 Lora呢？ 本篇文章介绍了如何训练Lora，如何筛选模型，如何在 Stable Diffusion 中使用。

闲话不多说，直接实际操作吧。

首先获取Lora的代码

github

git clone --recurse-submodules https://github.com/Akegarasu/lora-scripts

如果发现子包没下载，可以再更新子包

git submodule update --init --recursive

# Windows环境配置

这里 github 建议使用Python 3.10.8的环境，但是我的电脑已经配置了 python，不是Python 3.10.8的怎么办呢？

我的电脑就不是Python 3.10.8的环境，而 github 建议用Python 3.10.8，那么我们可以不用卸载我们原有的环境，可以用 conda 来配置多环境，如果不会用，可以网上搜索，或者也可以关注公众号，把问题发送给博主​。

conda create -n lora_train python=3.10.8

安装依赖包

运行 install.ps1 将自动安装必要的包。

准备训练数据

这里需要清晰的人像照片，这里我用了20张，当然图片越多，AI 学习的效果会好些。

图片准备完毕后，需要对图片进行统一的处理，我们可以用 Stable Diffusion 进行统一处理。

图片需要处理成一样尺寸的，尺寸的大小可以用512x768或者512x640或者用512x512尺寸的，注意要是64的倍数

下面我们来对图片进行统一的处理。处理方法如下。

下面是在Stable Diffusion 的面板中进行操作，下图画圈的地方要进行操作，最下面要勾选上裁切，以及生成信息

素材生成结果

全部剪切为512x768,并生成了tag信息存在了txt文件下

新建文件夹train，把图片拷贝到该文件夹下

并起一个文件夹名字为20_train，这里的20是有必要的，是每轮20步训练

写在最后

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。

​