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:
- 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
- Windows 用户:双击
- 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:

