Textual Inversion （也称为 Embedding），它实际上并没有修改原始的 Diffusion 模型，而是通过深度学习找到了和你想要的形象一致的角色形象特征参数，通过这个小模型保存下来。这意味着，如果原模型里面这方面的训练缺失的，其实你很难通过嵌入让它“学会”,它并不能教会 Diffusion 模型渲染其没有见过的图像内容。
Dreambooth 是对整个神经网络所有层权重进行调整，会将输入的图像训练进 Stable Diffusion 模型，它的本质是先复制了源模型，在源模型的基础上做了微调（fine tunning）并独立形成了一个新模型，在它的基本上可以做任何事情。缺点是，训练它需要大量 VRAM, 目前经过调优后可以在 16GB 显存下完成训练。
LoRA 也是使用少量图片，但是它是训练单独的特定网络层的权重，是向原有的模型中插入新的网络层，这样就避免了去修改原有的模型参数，从而避免将整个模型进行拷贝的情况，同时其也优化了插入层的参数量，最终实现了一种很轻量化的模型调校方法， LoRA 生成的模型较小,训练速度快, 推理时需要 LoRA 模型+基础模型，LoRA 模型会替换基础模型的特定网络层，所以它的效果会依赖基础模型。
Hypernetworks 的训练原理与 LoRA 差不多，目前其并没有官方的文档说明，与 LoRA 不同的是，Hypernetwork 是一个单独的神经网络模型，该模型用于输出可以插入到原始 Diffusion 模型的中间层。因此通过训练，我们将得到一个新的神经网络模型，该模型能够向原始 Diffusion 模型中插入合适的中间层及对应的参数，从而使输出图像与输入指令之间产生关联关系。

总儿言之，就训练时间与实用度而言，目前训练LoRA性价比更高，也是当前主流的训练方法。

准备素材

1 确定要训练的LoRA类型

首先需要确定训练什么类型的Lora，类型可以有风格，概念，角色，姿势，对象等。本文以人物风格为例，讲解如何训练人物风格的LoRA模型。

2 图片收集

对于训练人物风格的LoRA，图片收集的标准大致为:

数量几十张即可
分辨率适中，勿收集极小图像
数据集需要统一的主题和风格的内容，图片不宜有复杂背景以及其他无关人物
图像人物尽量多角度，多表情，多姿势
凸显面部的图像数量比例稍微大点，全身照的图片数量比例稍微小点

（补充）图片收集的渠道：

一般情况下，首先会想到去Google的图片中进行搜索，但有时候搜索到的图片分辨率较小，且质量也不是很高。这里Post其他博主推荐的一些图片的网站，仅供参考:

优质训练集定义如下

至少15张图片，每张图片的训练步数不少于100
照片人像要求多角度，特别是脸部特写（尽量高分辨率），多角度，多表情，不同灯光效果，不同姿势等
图片构图尽量简单，避免复杂的其他因素干扰
可以单张脸部特写+单张服装按比例组成的一组照片
减少重复或高度相似的图片，避免造成过拟合
建议多个角度、表情，以脸为主，全身的图几张就好，这样训练效果最好

3 图片预处理

这里主要介绍对于图像分辨率方面的预处理。有些人也说，不用裁剪了，让AI自己去适配。

收集的图片在分辨率方面尽量大一些，但也不要太大。如果收集到的图片过小，可以使用超分辨率重建的方式将图片的方式扩大；然后将所有图片都裁剪成512x512像素大小（虽然SD2.x支持了768x768的输入，但考虑到显存限制，这里选择裁剪到512x512）。

对于超分辨率重建，可以使用SD WebUI中Extra页面中进行分辨率放大。详情请参考：https://ivonblog.com/posts/stable-diffusion-webui-manuals/zh-cn/features/upscalers/

对于裁剪到固定尺寸，现提供如下的裁剪方法：

birme站点批量裁剪后批量下载，优势是可以自定义选取
使用SD WebUI自动裁切，或是手动裁切。

4 图片标注

这里图片标注是对每张训练图片加以文字的描述，并保存为与图片同名的txt格式文本。

我们将使用神经网络来为我们完成艰苦的工作，而不是自己费力地为每个图片进行标注。这里用到的是一个名为BLIP的图像标注模型。模型的标注并不完美，但后面经过人工的微调也足以满足我们的目的。

标注工具可以使用SD WebUI中自带的图像标注功能。详细使用请参考：https://ivonblog.com/posts/stable-diffusion-webui-manuals/zh-cn/training/prepare-training-dataset/中的预先给图片上提示词章节。

也可以使用一个工具：BooruDatasetTagManager

图片标注完成之后，会在图像文件夹里生成与图片同名的txt文件。点击打开txt文件，将觉得无关，多余的特征都给删除掉。

强调：

每个txt中记得加上关键标记，如我这里是训练迪丽热巴，那我都加上关键词dlrb，后面使用这个来触发lora

至此，训练数据集准备完成。

安装Koyha_ss

目前网上有很多训练LoRA的项目

1.koyha_ss_GUI:https://github.com/bmaltais/kohya_ss

2.LoRA_Easy_Training_Scripts：https://github.com/derrian-distro/LoRA_Easy_Training_Scripts

3.秋叶大佬的：https://github.com/Akegarasu/lora-scripts / https://gitcode.com/mirrors/akegarasu/lora-scripts/blob/main/README.md

他们底层都是用的：https://github.com/kohya-ss/sd-scripts

本文介绍的是koyha_SS_Gui，windows的安装

这个安装简单，照着git步骤来就可以了，目前代码中默认torch是支持cuda118的，这个需要注意自己的显卡了。


1.git clone https://github.com/bmaltais/kohya_ss.git
2.cd kohya_ss
3..\setup.bat
#选择1，进行安装

安装过程可能报错，哈哈，一步步来解决。

运行：

gui.ps1 --listen 127.0.0.1 --server_port 7861 --inbrowser --share

训练lora

1.准备参数和环境

需要配置以下三个目录：

image：存放训练集
log：存放日志文件
model：存放训练过的模型

首先在image文件夹中新建一个名为100_{{name}}的文件夹，100用来表示单张图片训练100次。然后将之前标注好的训练数据都放入名为100的文件夹中。

由于之前准备的训练数据集是真人风格的，故这里可以选择真人风格的基座大模型：chilloutmix_NiPrunedFp32Fix.safetensors

详细的配置如下：

随后配置训练参数：

系统提供了很多可以调节的参数，比如batchsize，learning rate, optimizer等等。大家可以根据自己实际情况进行配置。

2.启动训练

当路径以及训练参数都配置好之后，点击入下图所示的启动按钮即可启动训练。训练的日志可在终端中查看。

使用模型

1 拷贝训练过的lora模型

当训练并测试完LoRA之后，就可以与基座大模型结合在一起进行特定风格的使用了。在使用之前需要先把训练过的LoRA模型拷贝到SD WebUI对应的保存LoRA模型的文件夹中，对应的路径为stable-diffusion-webui/models/Lora。

2 启动SD WebUI进行图像生成

1. 启动SD WebUI界面，首先选择基座大模型，由于本示例是写实风，故这里选择写实风的基座大模型：chilloutmix_NiPrunedFp32Fix.safetensors

2. 输入正向prompt，并在最后输入 <lora:训练的模型名称:权重> 来调用训练过的LoRA模型。这里记得加入dlrb，关键词

3. 输入反向prompt

4. 设定超参

5. Generate

即可使用训练过的LoRA模型进行特定任务的图像生成。

复制：全流程讲解如何使用Kohya_ss自定义训练LoRA - 知乎，加入自己的理解和排版

声明：本文内容由网友自发贡献，转载请注明出处：【wpsshop博客】