![]()
转载自：活埋红猪
说两句对真人照片lora训练集预处理经验。
1.可以有多个角度的样本，但各个角度的样本数最好差不多（正脸可以多些），以保证不同角度的在训练中的权重。
2.样本数量并不需要太多，一般来说 ，真人有20张左右就非常富裕了，实际上当单独的照片足够清晰的时候，一到两张照片就能够提供绰绰有余的特征细节。
3.不需要多少的tag，因为lora模型本身就已经是最重要的特征描述了，建议tag删光，就留1girl就足够了，加太多的tag会导致在出图时让底包模型里的其他tag污染lora里的特征，这也是很多人训练出模型不像的最重要原因。另外在训练时我发现，似乎再再添加一个姓名tag，能够提高出图的稳定性（但这很可能是错觉，不过添加并没有坏处）。
4.如果找到的照片中有很多样本都具备一些共有特征，比如戴眼镜，戴项链，戴耳环，侧脸等，还是建议打上对应的tag，这样在出图的时候，能够减少对面部特征的影响。如果不打，很可能会导致每张图都有一样的特征（比如都戴耳环）。
5.样本集的选择上，如果是要提取面部的话，以证件照的景别为主，建议添加几张半身照，在出图时可以添加profile shoot类似的负面tag来避免出图都是证件照。
暂时就这么多，另外用真人训练的法律风险就不需要我来多说了。大家炼丹出图还是讲究个自己开心，别搞出什么搂子把整个小圈子给扬了，那就不好了。
补充一点，如果你最后出图是有一个偏爱的固定底包模型的话，比如大家最爱的chillout，训练模型也最好用一样的底包。如果底包的风格或者训练集差距过大会影响模型的泛化能力。如果没有这个要求，那就用秋叶大大里面的默认final prune这种万能底包就好了。
底模是stable diffusion的基础模型，对应的是civitai这类网站上的checkpoint类。lora是根据少量训练集训练出的小型风格模型，需要结合底模使用。具体使用方法，还是参照原up的一系列视频，说的很清楚的。
按说参数不需要调整，一般来说出图效果不好，大多还是训练集选择的问题。训练集的一致性是挺重要的。选择的图片的角度，光照，等如果出现差异会对出图有影响。因为SD完全可以在只提取面部结构的情况下，在图片生成端增加表情与光照的设定。所以建议训练集以平光、轻微表情或无表情为主。
个人建议，不一定先要炼目标对象，找一个画质较好的随便什么的视频截图生成训练集，比如明星采访视频就能够保证一致的妆造和光照条件，先找找感觉
不用，删不删tag还是取决于你的训练图怎么选的。动漫角色肯定不可能都是大头照，而且面部特征区别其实没那么大的，正常打tag就可以。
转载：邻家咪啪
补充一下群里大佬分享的经验：
1、假设脚本里训练分辨率设置为512,512
2、那么横屏素材分辨率设置为640*384，竖屏素材设置为384*640，正方形素材设置为512*512
3、这样训练素材不用裁切画面就可以丢给lora训练
至少我用kohya的图形gui这样炼丹出来效果是没问题的
本地训练：
配置好后，训练 512 x 512, 【WinError 1455】 页面文件太小，但实际只吃了6G显存，还有1G多没用。
2023-01-23 22:5839回复
秋葉aaaki：这是虚拟内存太小
2023-01-23 23:194回复
Risa回复 @秋葉aaaki : 确实是这个问题，其实一开始出问题的时候，我还去查了一下虚拟内存是不是关了，但系统盘是有的。目测这脚本是需要包所在的盘有虚拟内存，我去单独给所在盘符开了一下，就可以正常运行了。
2023-01-23 23:298回复
由崎黑板回复 @秋葉aaaki : 我在所在盘符设置了16G的虚拟内存，依然1455
2023-01-26 10:064回复
西行寺夜见回复 @由崎黑板 : 16g够干啥的，先设个60g再看看，不够就120g
标签：
