lora-scripts 部署教程：Stable Diffusion LoRA 小数据训练全流程

3. 从零开始：五步完成 LoRA 训练

3.1 第一步：为图片生成标签

# 在项目根目录下执行
python tools/auto_label.py --input data/my_waifu_train --output data/my_waifu_train/metadata.csv

执行后生成 metadata.csv。打开检查并修改标签，例如在每行最前加上角色名 xiao xue, (character)。

3.2 第二步：配置训练参数

复制默认配置模板：

cp configs/lora_default.yaml configs/my_waifu_config.yaml

修改 configs/my_waifu_config.yaml：

# 数据配置部分
train_data_dir: "./data/my_waifu_train"
metadata_path: "./data/my_waifu_train/metadata.csv"

# 模型配置部分
base_model: "./models/Stable-diffusion/sd_xl_base_1.0.safetensors"
lora_rank: 8

# 训练配置部分
batch_size: 2
epochs: 10
learning_rate: 1e-4

# 输出配置部分
output_dir: "./output/my_waifu_lora"
save_steps: 100

注意：需提前下载 Stable Diffusion 基础模型（如 SD 1.5, SDXL 1.0）并放在 models/Stable-diffusion/ 目录下。

3.3 第三步：启动训练并监控

python train.py --config configs/my_waifu_config.yaml

监控 loss 值：

• 正常：快速下降后趋于平稳。
• 训练不足：停止时仍在快速下降，增加 epochs。
• 过拟合：loss 很低但效果差，减少 epochs 或增加数据。

使用 TensorBoard 查看曲线：

tensorboard --logdir ./output/my_waifu_lora/logs --port 6006

浏览器访问 http://localhost:6006。

3.4 第四步：测试与使用训练好的 LoRA

训练完成后，在 output/my_waifu_lora 目录下找到 pytorch_lora_weights.safetensors。

使用步骤（以 WebUI 为例）：

1. 将 .safetensors 文件复制到 WebUI 的 models/Lora 文件夹。
2. 重启 WebUI。
3. 在文生图页面 LoRA 标签中选择模型，提示词会自动添加 <lora:my_waifu_lora:1>。
4. 调整权重强度（通常 0.7-0.8 更自然）。
5. 输入描述词生成图片。

3.5 第五步：效果不佳？试试这样调整

4. 总结

使用 lora-scripts 训练定制化 AI 画师，主要包含：准备图片、打标签、改配置、跑训练、测试效果。它将 AI 模型定制能力交到了个人创作者手中，可用于训练画风、电商产品图或宠物 LoRA 等。

第一次尝试可能会遇到问题，每一次调整参数都是理解数据、算法和结果关系的过程。