LoRA 训练入门：AI 绘画模型定制

LoRA 训练入门：AI 绘画模型定制

环境搭建

系统配置要求：

• 操作系统：Windows 10/11 或 Linux 系统
• 显卡：NVIDIA GPU，4GB 显存即可运行
• Python 版本：推荐 3.10 或 3.11

安装步骤详解：

1. 根据系统选择安装脚本：
   • Windows 用户：双击 install.bat 或命令行执行
   • Linux 用户：根据 Python 版本选择对应脚本
2. 安装过程中会询问本地使用选项，选择"y"即可

获取项目代码：

# 克隆项目代码到本地并进入目录

核心操作：界面功能分区详解

界面主要分为两大功能区：

区域名称	核心功能	新手重点
主参数区	模型、优化器、保存等全局设置	先配置基础模型和分辨率
子集管理区	训练数据来源和增强配置	设置图像目录和重复次数

数据子集配置技巧

子集管理三大要点：

• 批量添加：支持从文件夹自动识别所有子目录
• 重复次数：根据数据量合理设置，通常 10-20 次
• 数据增强：启用图像翻转、标签打乱等功能

参数区块智能管理

参数区块使用建议：

• 只展开当前正在配置的区块
• 使用滚动条浏览隐藏参数
• 合理利用折叠功能保持界面整洁

进阶功能：网络参数精细调整

块权重训练的优势：

• 对网络不同部分设置差异化权重
• 实现更精准的模型控制
• 提升训练效果和输出质量

新手建议： 初次训练可暂不调整块权重，使用默认设置即可获得良好效果。

文件管理：三种输入方式任选

文件输入方式对比：

输入方式	适用场景	操作难度
手动输入	熟悉路径的用户	⭐⭐
文件对话框	图形化操作	⭐
拖拽输入	快速便捷	⭐⭐

配置复用：TOML 文件高效管理

TOML 配置管理的好处：