Stable Diffusion | 秋叶炼丹第一颗取什么名字好？姓王，在线等，急！！！（1）

先放LoRA炼丹训练效果图，右下角为人台衣服源训练素材。

最近讲究一个跨界内卷，太上老君都要毕业了，在体制内炼了几千年的仙丹，没有败给大圣，败给了各位熬夜肝的AI炼丹师，有的光打tag就搞几个晚上……今天就分享一下我的学习历程吧，主要是新手模式，不讲细节原理，感受一遍炼丹工作流程，有一个大概的概念。

我用的是秋叶炼丹炉，文末即可下载。

基础的工作流程大概分为4步：

1、训练集预处理

2、模型训练

3、LoRA模型检测

4、模型应用评估测试优化

这次是准备训练一个服装的LoRA，下面来一步一步的看。

1、训练集预处理

这边在网上找到的一个人台拍的连衣裙照片29张，衣服的款式是普通的款式，产品拍摄的效果也一般，褶皱多且不平整，这个不要紧，我们今天主要是用来当做训练集简单测试一下。

接下来，就是要反推出每一个图片的关键词标签，启动秋叶SD，打开导航条的训练选项，图像与处理：

源目录：填入训练集素材图片目录；
目标目录：反推后输出训练集图片和关键词文档的目录；

注意：以上路径不要有中文

宽高尺寸：由于炼丹炉的要求图片尺寸是64的倍数，上面的源训练素材图片是竖图，在PS中处理成了64的倍数，这边就填：512x768，

选择使用使用deepbooru生成标签，点击预处理按钮。

处理完成后，来到目标目录可以看到，每个图片匹配一个关键词标签文档：

在秋叶炼丹炉的主目录的train文件下面新建一个blue dress文件夹，然后将上面生成的图片+标签文件夹复制到里面，修改名称：29_blue dress，记住文件夹格式一定要：数字_xxx，不然后续训练的时候，炼丹炉不能读取这个文件夹数据。这里的训练集路径为：F:\LoRAliandanlu\train\blue dress，下面训练会用到。

二、模型训练

秋叶炼丹炉一键安装：秋叶包主打一个方便快捷，下载文末分享的：秋叶训练器解压可食用

解压后：先升级一下：点击脚本：A强制更新-国内加速，完成后，再点击：A启动脚本，一键启动。

启动之后，就出现了以下界面，这里选择左边的新手模式，以后再分享专家模式。

新手模式中设置三个位置的参数，其他先按照默认的设置，即可开始训练了。

1、训练用模型：底模文件路径

默认底模的位置在主目录的\sd-models文件夹里面。这里的模型是：model.ckpt。

如果要用其他的大模型作为底膜也可以，连带路径+模型名称+后缀输入进去，比如：G:\sd-webui-aki-v4.2\models\Stable-diffusion\LahMysteriousSDXL_v315.safetensors

路径中不要有中文。

2、数据集设置：

a、训练数据集路径

第一步做标签的时候已经将文件放入路径：F:\LoRAliandanlu\train\blue dress，这里就填入文件夹内名称：blue dress。

b、训练图片分辨率

因为训练集图片尺寸为512x768的竖图，这里改为：512,768

3、保存设置：模型保存名称

模型保存名称用英文数字，听朋友说，写上初恋情人的名字，训练出来的效果最佳。

截图中的：每 N epoch（轮）自动保存一次模型选项，默认数值为2，

最大训练 epoch（轮数），默认数值为10，

这意味着本次训练将会生成5个LoRA模型供测试选择。

好了，就设置这三个，其余的参数一概默认，一概不管，当然你说你要设置下，当然可以啊，因为这并不影响小日子排污，噢耶，点击右下角的开始训练！

铛铛铛~~~~~

training finished 训练完成！

3、LoRA模型检测

训练好的lora模型在主目录下面的output文件夹：

打开文件夹可以看到这里训练出来了5个LoRA模型，

将LoRA模型复制到秋叶SD包：主目录\models\Stable-diffusion中，接下来是要测试五个模型了，启动SD，文生图，

模型：墨幽人造人_v1040，

正向词：masterpiece,best quality,(a girl:1.2),blue dress,dress,sailor collar,solo,front,<lora:bluedress-000008>,

负向词：lowres, bad anatomy, bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, username, blurry

采样步数：年龄多大写多少

采样方法：DPM++ 2M Karras

重回幅度：0.48

尺寸：512x768，高分辨率修复

点击生图，我们来看下效果：

可以看到，没有人，LoRA的权重太大了，那该怎么办，这时候就要测试不同数值的效果，选择最佳的模型和对应的数值。

这里要用到脚本：X/Y/Z图表，X轴为模型号，Y轴为权重数值。

先在正向词中修改LoRA代号；

将模型名称改为：bluedress-NUM，权重改为：STRENGH

正向词：masterpiece,best quality,(a girl:1.2),blue dress,dress,sailor collar,solo,front,<lora:bluedress-NUM：STRENGH>,

来到X/Y/Z图表设置：

X轴类型选择：提示词搜索/替换：X轴值：NUM,000000,000002,000004,000006,000008，

Y轴类型选择：提示词搜索/替换：Y轴值：STRENGH,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1。

点击生成图片，得到这样的xy图表。

这时候就要慢慢的筛查了，这里终于找到了，发现模型为bluedress-000002，数值在0.7-0.8的时候，衣服相对比较接近源衣服。，这里的难点在于衣服的水手领口，人脸不要紧可以调整。

下面还需要做详细的评估测试应用。

4、模型应用评估测试优化

重新设置正向词：masterpiece,best quality,a girl,blue dress,dress,high heels,sailor collar,solo,standing,<lora:bluedress-000002:0.71>,

经过不断地细节调整（分把钟），总算有点样子，这里直接出图了。

这个效果就当是做个流程测试，还需要做后期的详细的优化细节，另外这款衣服款式比较特别，源素材图片拍摄的质量也比较一般，衣服没有撑起来，褶皱多等等，要想出一个好的效果，还得源素材集图片质量好，同时对每一张素材图打完善准确的tag标签，同时训练的时候精准的调整数值，在不同环境下做不同的测试，才能达到一个相对满意的结果，如果你要试的话，可以试试那种简单的T恤衫之类的，效果应该会很不错的。后面再分享一些复杂的数值设置，即：专家模式。

以上！

公众号回复「SD」获取SD资料包！

免责声明：以上资源皆来源于互联网公开分享的内容，仅用于个人学习使用，请禁止用于商业用途和倒卖，如真正需要，请支持版权方。

模型链接：