简单写一个经验帖，总结下目前训练几十个Lora后感觉不错的经验。

如果最后需要训练集或者训练出来的模型，请私信。

原版：https://github.com/AUTOMATIC1111/stable-diffusion-webui

秋叶整合包 网盘链接容易失效，建议直接B站找

原版：GitHub - kohya-ss/sd-scripts

EasyTrain：https://github.com/derrian-distro/LoRA_Easy_Training_Scripts

GitHub - Akegarasu/lora-scripts: LoRA training scripts use kohya-ss's trainer, for diffusion model.

（这里我用的最后一个，都是基于sd-scripts的，还有很多整合包，用什么都一样）

从网上爬取一些想要的角色图片，或者直接去截图。

这次我做的初春，找一些图片就行了，不需要很多，20张就可以，各个角度，全身，大头尽量都有些。

角色是这样子的，头上一定得有花，这个是角色属性。

这些是我找的图：

得到数据后，第一步就是清洗，所谓清洗主要是把爬的垃圾数据删了，并且该抠图的抠图（角色的Lora其实不扣也不太影响，真人是尽力抠图，功能性的lora基本上是要手动p图的）。

这里我给大家一个抠图脚本，用的阿里云API，非常方便：

总之清晰后数据就是干净的，最好是扣过的图，只有人物主体。

然后我们就要打标了，如果是真人或者风格类lora，可以学youtube里那些人做法，直接用BLIP做image caption，然后手动修改一些。但是二次元强烈建议直接上deepbooru，这是因为二次元SD的base model源头是NovelAI泄露的，而当时的模型就是这个风格的标签，所以二次元特别适合用booru风格的描述。具体操作如下：

首先打开SD webui，找到如下地方：

至于说分辨率，其实512就可以了，可以调大一些，如果你显存够大，我用3090发现基本上拉到1024分辨率后就没有收益了，而低于512明显效果不好。理论上图片分辨率高一些好，此外图片质量解析力也应该高。

打完勾后，就可以process了。

当程序自动走完流程我们就在目标文件夹里得到一组由image和text文件组成的对：

其中txt文件里就是对一幅图的描述，如下：

然后就进行最重要的步骤，打标。

所谓打标就是监督学习，告诉SD我们要它学什么。这里我们就是想学一个角色，这个角色有很多特征，比如她头上有花花，短发，眼睛样子等。

因此我们要把这些角色特征的描述词，从txt文件中的描述中删除。

。。。。。。

然后我们再加入一个特定的角色名，用来表示这个角色。让这个角色名学到刚才我们删除的特征。

换句话说，如果我们不删除那些特征，模型是不会把这些特征学给这个角色名的，而是专门学给具体的描述词。比如如果我们留下来头上的花，那么头上有花这个概念就不会学给初春这个角色名。当我们生成图像时候，初春这个词是不会生成头上有花的女孩，但是初春必须头上有花！所以我们要干掉这个词，这样模型就认为初春头上必然有花。

其实就很简单，控制变量法，我们留下来的标签就是我们想让模型学习的。

但是编辑这玩意如果一个一个文件走会很烦，我这里有个简单的步骤：

首先下载一个webui的插件“

”（请去Github搜，然后放进Webui的Extensions目录下），然后我们可以进行批量编辑了：

这就是可以批量编辑的地方，我们进行批量remove，即批量删除我们不想要的特征词：

这些词我认为都是初春特征，所以我都打勾删除，记得删除后保存下。

等到这些删除完了后，我们在每句描述前面都加上uiharu_kazari，这个是初春的触发词。一旦我们在prompts写上这个词，初春就会出现！我认为很重要，当然有人说可以不加，其实我训练几十个lora很多方案都试过，现在我感觉也是可加可不加的，但是我喜欢加上，里面原因很难直接说，就是加上后出图效果会好一些。但是不一定，有时候会变差，我说的这个方案其实是有些晋级的了，新人建议全都不删除tags，标签出来直接都拿去train，最简单稳定。

此外我们需要看每张图的描述，有一些描述是含有明显错误的，因为毕竟是打标器，很多都是错的。我们一定要删除错误的标签，这些错误是会明显影响我们训练结果的（当然图多时候其实不影响了，但是话又说回来，图片质量>图片数量，风格、功能性Lora>真人>二次元，二次元是最简单的lora）。

我们开始写一个训练脚本参数。

首先是Base Model概念，这个应该是最重要概念之一，就是我们是在什么模型基础上训练的。

比如我们训练真人，女性，社区目前首选Chilloutmix系列。如果是汽车之类的物体，首选可以是SD1.5 2.1等官方模型。如果是二次元，我们这次首选NovelAI系列的模型，我这里选的Acertain，因为它画风比较朴素，接近动漫效果，我感觉用来训练比较好。

我这次直接把脚本参数都列出来了：

train_data_dir是我们放图片的目录，我们把刚才处理好的图片文件夹（里面有图片和文字对）放在这个目录下。

我的目录结构是这样的（其中2_images就是我们处理好的图片文件夹，为什么这么命名一会讲）：

所以我在上面的脚本里填写的目录为

训练的时候脚本自动在Kazari目录下找图片文件夹，它判定的是[NUM]_XXX命名的文件夹就是要输入给dataloader的图片文件夹。

我们一定要按照这个规则明明我们的文件夹，NUM表示我们一个epoch要遍历几遍这个目录，即repeats，而XXX就是我们默认的触发词。

而我们还会在脚本设置max_train_epoches这个参数，这个就表示我们要训练多少个epoch。

所以训练时候优化的次数Step就是num_images X repeats X max_train_epoches / batch_size

batch_size就是一次处理几张图片，也是我们在脚本里设置的，显卡有能力就别设置1。

更重要的参数就是学习率Lr了：

$lr="5e-5"

$unet_lr="5e-5"

$text_encoder_lr="6e-6"

这个我们可以先设置成这样，然后看loss函数下降了没，再进行调整。

训练图片分辨率resolution这个参数也是非常重要的，它是我们训练时候图片的分辨率，显卡有能力设置大一些比较好，建议不要低于512，会很差。

network_dim表示我们训练出来的Lora模型大小，一般不要大于128，因为没收益，小一些的dim可以抗过拟合。

clip_skip这个参数在二次元模型里就设置2或者3，但真人模型可以考虑设置1，但是需要测试效果，一般就2。这个参数其实是CLIP这个模型结构的原因，它其实是层级概念，比如上一层是“人”，那么下一层就是“男人”“女人”，逐渐细化。而二次元这个从NovelAI起源的模型，都沿用了2这个设定。我们也设置成2。

use_lion这个我设置成1，是因为我想启用Lion这个优化器，因为测试效果发现这个优化器泛化性好一些。

save_every_n_epochs这个我设置成1，就是每个epoch都保存模型，这样最后我有10个模型了。

设置好参数我们就一键运行脚本开始训练。

好了我们训练完了。

训练完的lora应该看下不同epoch的结果，排除欠拟合和过拟合的模型，用最合适的模型。

我们直接用简单的prompts遍历所有的模型和weights：

能出一张xy表：

我最后选了8epoch的模型，因为我感觉它在各种环境下最稳定。

训练好的Lora就可以出图啦。