怎么训练自己的LoRA Stable Diffusion LoRA模型训练方法

需按五步完成LoRA训练：一、准备20–50张高质量图像并统一缩放；二、用DeepBooru自动打标后人工清洗无关标签；三、在kohya_ss中配置基础模型、路径及关键参数（如Network Dim、Learning Rate）；四、可用赛博丹炉一键训练；五、严格规范数据命名与目录结构。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

如果您已安装 Stable Diffusion WebUI 并希望训练专属 LoRA 模型，但尚未配置训练环境或不确定如何组织数据与参数，则可能是由于训练流程未完整执行或关键组件缺失。以下是解决此问题的步骤：

本文运行环境：RTX 4090，Windows 11

一、准备高质量训练集

训练集质量直接决定 LoRA 输出效果，低质图像会导致过拟合、泛化差或特征丢失。需确保图像主体清晰、角度多样、背景简洁，并统一为 64 的整数倍分辨率。

1、收集 20–50 张目标主题图像，例如人物需包含正脸、侧脸、半身、全身、不同表情及光照条件；若为物品或风格类，须覆盖典型形态与上下文变体。

2、使用 birme.net 批量裁切工具 将所有图像统一缩放至 512×512 或 768×768，避免拉伸变形，保存为 PNG 或 JPG 格式。

3、手动剔除模糊、遮挡严重、重复构图或含无关干扰物的图片，保留主体占比 ≥70% 的样本。

二、自动打标与标签清洗

标签是模型理解图像语义的关键输入，未经清洗的自动标签易引入通用属性（如“1girl”“black_hair”），削弱 LoRA 对特有特征的学习能力。

1、在 WebUI 中打开 “Train” → “Image Preprocessing” 页面，指定训练图像文件夹路径，勾选 “DeepBooru” 启用自动打标。

2、点击 “Preprocess” 开始生成 .txt 标签文件，每张图对应一个同名文本，内容为逗号分隔的关键词。

3、逐个检查 .txt 文件，删除所有与训练目标无关的通用标签，例如人物类需移除 “solo”“1girl”“brown_eyes”，仅保留如 “flower_crown”“twin_braids”“spring_outfit” 等差异化特征词。

三、配置 kohya_ss GUI 训练参数

kohya_ss 是当前最主流的 LoRA 训练框架，其 GUI 提供可视化参数调节，可大幅降低命令行门槛。正确设置学习率、批次大小与网络维度是避免训练崩溃或无效收敛的核心。

1、启动 kohya_ss GUI 后，在 “Source Model” 栏选择与训练主题匹配的基础大模型（如写实人物用 majicMIX realistic_v5，二次元用 anything-v4.5）。

标签： windows 处理器 工具 ai 解压 win 大模型 windows 11 .net stable diffusio