LORA学习笔记2——训练集处理_lora打标阈值

前言

对于ai训练来说，处理训练集是模型训练的重要环节。训练集的质量对最终模型的质量影响巨大。这里以二次元角色为例，记录下训练集处理的流程和一些心得。

素材准备

素材准备有以下几个需要注意的点：

1. 通常训练二次元角色需要30张以上的图片，训练三次元角色需要50张以上的图片。原因是三次元图像里面包含的细节更多。
2. 训练集最关键的是“质”而不是“量”。单纯堆图片数量并不能保证好的训练效果。
3. 训练集图片需要保证图片中仅包含训练角色一个人物，其他人物需要裁剪掉。
4. 训练集图片中人物尽可能包含不同的角度，动作，服饰，风格。
5. 训练集图片中一些有负面影响的元素需要适当删改掉，比如文字，水印等。不好处理可以涂抹掉。

素材裁剪

stable diffusion常用的模型是基于SD1.5的，建议尺寸不要高于768，不小于512。尺寸过大对于显存的要求会很高。

素材裁剪可以使用【分割过大的图像】，重叠比例可以适当调高，这样裁剪出来的图像更多，更适合挑选。

素材打标

素材打标通常是先自动打标，再根据一定的规则进行手动删改。

自动打标

自动打标可以使用WD1.4反推工具。

简单介绍WD1.4的用法

单次处理和批量处理的原理是一样的。这里主要涉及两个概念，反推模型与阈值。

反推模型：反推模型的作用是将一幅图片的提示词推理出来，推荐反推模型中的wd14-vit-v2-git、wd14-convnextv2-v2-git和wd14-swinv2-v2-git，其中wd14-vit-v2-git最快，wd14-swinv2-v2-git最准确。

阈值：低于阈值则删除这个关键词，三次元建议0.35，二次元动漫人物建议0.5。

标签修改

自动打标的标签可以直接使用，但是通常我们会基于自身需求对TAG做一些删改。删改的原则如下：

1. 自动打标识别出的角色词要删除，比如“野比大雄”这种。保留自动打标的角色词会导致生成图片的时候，会触发大模型（底模型）里的提示词，进而调用大模型里面的特征。
2. 不想让模型训练到的特征建议保留。比如一个角色在很多图片里面都握着一把剑，但是我不想生成图片时该角色默认拥有“持剑”的特征，所以，类似于“holding weapon”,“sword”这种提示词建议保留。
3. 希望让模型训练到的特征建议删除。比如一个角色是黑头发，戴着眼镜。我希望生成图片时该角色默认就是黑头发和戴眼镜，我不会调整他的发色或者不戴眼镜。所以，“black hair”，“wearing glasses”这种提示词建议删除。当然这样的操作有优点也有缺点。优点是减少了必要的提示词数量；缺点是降低了模型的泛化性，在上文提到的场景中，如果我在生成图片时额外设置提示词“green hair”，可能效果不明显，因为“黑头发”这个特征已经被该模型学习到了。

标签编辑器如上图所示。在批量编辑描述中，可以选择特定的TAG进行删除。

比如这次训练的一个角色，我将她的固有特征TAG进行删除，这样就可以让模型学习到这些特征，比如“短发”，“兽耳”，“红眼”。因为这些特征希望生成图片时默认存在。

衣服，动作，表情之类的TAG全部进行了保留，这样用提示词为人物更换衣服，动作，表情效果会更明显。

修改完后点击保存所有更改，并在文件夹中删除所有的过程文件即可。