当前位置：首页 > news >正文

【 stable diffusion LORA模型训练最全最详细教程】

news 文章来源：https://blog.csdn.net/weixin_62403633/article/details/132133361 2025/5/16 20:55:50

个人网站：https://tianfeng.space/

文章目录

- 一、前言
- 二、朱尼酱的赛博丹炉
- - 1.介绍
  - 2.解压配置
  - 3.使用
  - - 训练准备
    - - 首页设置
      - 上传素材
      - 查看进度
- 三、秋叶的lora训练器
- - 1.下载
  - 2.预处理
  - 3.参数调配

一、前言

其实想写LORA模型训练很久了，一直没时间，总结一下现在主流的两种LORA模型训练方式，分别是朱尼酱的赛博丹炉和秋叶大佬的训练脚本，训练效果应该是赛博丹炉更好，我个人更推荐朱尼酱的赛博丹炉，界面炫酷，操作简单，作者也是花了很多心思的。我会逐一介绍两种LORA模型训练方法。

二、朱尼酱的赛博丹炉

1.介绍

全新U升级，赛博炼丹、科技修仙：大功能
首页新增产品，建筑两个训川练预设：
升级中英文双语TAG编辑器，支持实时翻译中英文输入TAG:
新增自定义参数，正则化训川练集功能：
新增自定义参数，分层训练功能：易用性
更换wd14 tagger标签器（可自定义可信度阈值
更换anime抠图核心，同时兼容二次元与真人
优化自定义参数，学习率增加加减按钮功能，方便调整
新增参数预设管理器功能，可自定义并管理自己的预设参数（支持中文预设名)
输出训川练参数到模型文件夹，方便统计xyz信息

网盘链接：https://pan.baidu.com/s/1_yB_pNrNGotudYmOOwjp8g
提取码：fapv

最新的赛博丹炉已经整合到道玄界面了，就是一个新的压缩包文件，里面不仅可以使用赛博丹炉训练LORA模型，还可以在上面生图，但是对我来说用处不大，我只需要他的训练脚本，因为习惯在秋叶启动器使用了，而且更方便更全面，不过如果有新手伙伴想用的话，可以去使用支持一下博主，这里给出链接。朱尼酱B站链接

2.解压配置

下载完百度网盘压缩包后，解压后点击

\cybertronfurnace1.4\cfurnace_ui\Cybertron Furnace.exe

第一次打开会下载一些文件，请耐心等待！直到出现server start

3.使用

开启炼丹炉，让我们使用把！

训练准备

首页设置

我们需要准备使用的基础模型（大模型），和我们的训练集图片。现在我以自己举例开始演示！

基础模型使用麦橘的majicMIX realistic_v5 preview.safetensors作为底模，点击选择我们的大模型路径，召唤词可以自己命名一个，样张预览开启，就是训练的时候每50步会生成一张图查看训练效果。

好了，点击人物，确定到下一步！

上传素材

训练集最好准备50张图片，包含不同角度，你的训练集质感越高，你训练出来的效果也越好，可能几个epoch就能达到很好的效果，如果训练集模糊。质感差，100张图片，20个epoch效果也很差！

分辨率不用改，或者改成768x768，

模式选择抠图填白，就是去除背景，只保留人物做训练

TAG选择自动TAG，使用的是WD1.4TAG反推器

标签可信度阈值默认0.35，数值越小TAG越多，数值越大TAG越少，就是设置越小，反推生成TAG越多

如果训练脸部请勾选，最后点击预处理

后台可以查看进度，一般是先抠图，后TAG反推。ok，抠图完成，脸部也单独提取出来了

TAG反推也完成了，你还可以为每张图增加一些提示词，如光影，质感等词汇

我这里整理一些，把这些TAG全部新增到每张图片，别忘了脸部也新增一下。

Best quality,masterpiece,ultra high res,(photorealistic:1.4),raw photo,Kodak portra 400,film grain,

顺便推荐一个中文自动转英文的功能，打中文点击红框，自动转英文。需要的按我步骤操作一下，

进入网址https://api.fanyi.baidu.com/，注册登录后，点击通用文本翻译

点击立即使用

然后选择个人开发者，填写一些个人信息，然后选择高级版，实名认证一些，图片就不放了，因为我弄过了，就是按照流程来，很简单，之后点击界面最上面的管理控制台选项，点击开通

然后选择通用文本翻译，开通高级版，最后一步填写应用名称就行，其他不管，提交申请就完了。

把APPID和密钥填入开启就完成了。

查看进度

先别点击开始训练，查看进度界面，点击参数调优

学习步数默认50步，，epoch可以选择20，batch size可以选择4，优化器Adam，没训练一个epoch保存一次权重（模型），Precision选择半精度（负2的15次方到2的15次方之间的数），调度器默认，余弦退火就是学习率曲线类似余弦函数一样，先增大后减小，重启次数应该就是周期数，暂时默认不填。

总步数就是50x50x20/4=12500步，假如50张图片，如果加强脸部训练，步数翻倍。

我只讲一下关键参数，其他默认，学习率默认，网络维度选128，效果比较好，训练出来的lora模型文件大小144M，这也是为什么市面上不同的lora大小模型，网络维度128,64,32，分别对应144M,72M,36M网络Alpha需要调成和网络维度一样，或者一半。如网络维度128，网络Alpha128或64。样图分辨率设置成和前面图片预处理一样，如果是768x768,那么这里也改成768x768。如果爆显存就默认别改了。
样图设置可以随意不影响，可以每50步生成一次，第二个就不用改了，基本默认就行，种子随意都行，样本生成的提示词选一个。

分层训练，可以查看下图，仅帮助理解，因为lora仅仅是训练一部分网络架构，不是全部unet，unet网络就是一个u型网络架构，先进行下采样在进行上采样，中间一层就是中间层。之前写过stable diffusion原理时候讲过Unet，有兴趣看看。链接

如果没有特殊需求分层设置先默认不填，其他设置中可以加载预训练模型，如果你上次训练了一个模型没跑完，只训练8个epoch，效果不好，可以加载模型路径继续训练节省时间。正则化就是防止过拟合，如果想要开启正则化，点击开启。然后把你的图片放入正则化文件夹就行。

参数调整完毕！！回到界面，点击开始训练！！！

之后就开始训练了，耐心等待，可以查看日志，模型保存的路径点击模型即可，

我们所有的训练数据都在这，包括训练集，日志，模型，正则化目录

可以看到，样图，训练的参数配置文件，以及每个epoch的模型都保存在这，建议分别在前中后选取模型测试效果，epoch少的不一定差。对了，文件名可以改的，不影响。

到此，赛比丹炉介绍完毕了！！！应该很详细了，点个赞给博主提提神把，下面开始秋叶大佬的！

三、秋叶的lora训练器

链接：https://pan.baidu.com/s/1-AN-ulR3PTS6KYyWVPARNA
提取码：vtse

1.下载

下载完毕后解压后，先点击国内加速强制更新，然后点击启动脚本

进入界面，一般使用新手模式就行，专家模式可以调节更多参数，可能更好，但也可能得到更差的效果，所以建议使用新手界面就行，提高训练集的质量才能大幅度提高训练效果。

2.预处理

其实跟上面的差不多，把训练集的路径导入，阈值这里默认0.5，那么我们就0.5把，附加提示词还是一样，把光影，质感等等加上去，其他不改。之后点击右下角启动！

Best quality,masterpiece,ultra high res,(photorealistic:1.4),raw photo,Kodak portra 400,film grain,

通过日志可以知道完成了，这里没有抠图填白,加强脸部训练等功能，只有TAG反推，

3.参数调配

注意，在这里训练集和大模型，需要复制到训练器目录下，有点繁琐，然后再把训练集路径和大模型路径填入，

训练集复制到该目录下，20是epoch数，你要训练多少epoch，把这个数字改成几。

大模型复制到该路径下

把路径改好如下，其他参数其实和上面差不多，如果上面的能理解这里也一样。

参数如下

pretrained_model_name_or_path = "./sd-models/majicmixRealistic_v6.safetensors"
train_data_dir = "./train/aki"
resolution = "512,512"
enable_bucket = true
min_bucket_reso = 256
max_bucket_reso = 1_024
output_name = "aki"
output_dir = "./output"
save_model_as = "safetensors"
save_every_n_epochs = 2
max_train_epochs = 20
train_batch_size = 1
network_train_unet_only = false
network_train_text_encoder_only = false
learning_rate = 0.0001
unet_lr = 0.0001
text_encoder_lr = 0.00001
lr_scheduler = "cosine_with_restarts"
optimizer_type = "AdamW8bit"
lr_scheduler_num_cycles = 1
network_module = "networks.lora"
network_dim = 128
network_alpha = 128
logging_dir = "./logs"
caption_extension = ".txt"
shuffle_caption = true
keep_tokens = 0
max_token_length = 255
seed = 1_337
prior_loss_weight = 1
clip_skip = 2
mixed_precision = "fp16"
save_precision = "fp16"
xformers = true
cache_latents = true
persistent_data_loader_workers = true
lr_warmup_steps = 0
sample_prompts = "./toml/sample_prompts.txt"
sample_sampler = "euler_a"
sample_every_n_epochs = 2

点击开始训练即可

模型训练完成会保存在在output中！

OK，到此完毕了！如果对你有帮助的话，请点个赞，谢谢！！