福瑞lora训练心得

这是福瑞lora的个人心得  没有基础部分（我也是跟人看视频学的） 

主要解决个人遇到的福瑞lora跟正常人物训练有区别的问题部分

lora训练基础从秋葉aaaki佬视频学：https://www.bilibili.com/video/BV1fs4y1x7p2/?spm_id_from=333.999.0.0&;vd_source=be3f3a1fe292f9cdce68a3276125955c

lora脚本用的青龙圣者佬的脚本：https://www.bilibili.com/video/BV1pA411m7WA/?vd_source=be3f3a1fe292f9cdce68a3276125955c

正则化使用看青龙圣者的视频：https://www.bilibili.com/video/BV1oP411f7fi/?spm_id_from=333.788&;vd_source=be3f3a1fe292f9cdce68a3276125955c

1.推荐底模Crosskemono2.0

    我试过很多福瑞MIX模型这个是肢体乱飘最少的（很关键） 这作者就是赛博福瑞菩萨 去civitai上直接搜Crosskemono

2.推荐装上tagger 

    不知道咋装咋用可看这个：https://www.bilibili.com/video/BV1924y1M7Zd/?spm_id_from=333.337.search-card.all.click&;vd_source=be3f3a1fe292f9cdce68a3276125955c

3.推荐训练集 

    能至少包括（正位 侧位 后位）*（站 蹲 坐 躺 侧躺 以及一些不好描述的姿势）的全身（一张图里包括完整组合的头身子双手双脚尾巴）图片各一个最佳 其它全身和特写想加就加但最好别加头没在里面的特写

4.推荐打标

    首先直接用WEBUI训练里的图像预处理缩放+打标（跟秋葉aaaki佬视频一致，不过我推荐选择使用 deepbooru 生成说明文字(tags)和Auto-sized crop而不是视频里的使用 deepbooru 生成说明文字(tags)和自动焦点裁切）

    然后用tagger插件打标 进入里面的批量处理（英文界面Batch from directory）然后（英文界面Action on existing caption）选择“放后面”  勾选去除重复标签（英文界面Remove duplicated tag） 可靠性（英文界面Threshold，下面有个滑动条）选0.3 模型选WD14-VIT-V2-GIT（我只用过这个 其他应该没太大影响） 去除使用空格替代下划线（英文界面Use spaces instead of underscore）的勾选 勾选上略过括号（英文界面Escape brackets）

    最后用 秋葉aaaki佬训练包里的打标工具给所有图片加上（或者已有的置顶） 关键词 furry furry_female （如果你训练的都是同一个物种，最后还可以加上物种）

福瑞训练通常包括大量不同特征 所以选择不删多打标的策略

5.关键点，推荐使用正则化拆分部位训练 

    因为相对于正常人来说AI不咋认识福瑞，同时对福瑞的一些部位关键词比如XXX_hands反应不佳，不切割部位容易特征丢失，而直接切割部位训练容易给你组装成梦魇融合怪，尤拆开练肉垫容易给你把脚装手上，拆开练大尾巴容易给你把尾巴装脚上，其它特殊的猫/特殊的DIO/触手等也是容易装得难以言喻

    以zaush画师大佬的水獭训练集为例子，把训练集复制成四份，分别取名：

    推荐对物种（如果不是单一物种的画风训练则换成furry，这是为了让AI学习全身姿态） 手（hands） 腿（legs） 尾（tail）进行正则强调（如果其它部位有特征，比如翅膀或你懂的，就加一份翅膀或你懂的，文件名格式按照这个来） 同时记得删掉hands，legs，tail中完全不含hands，legs，tail的图片

    然后以其它类似的水獭图片制作正则集：

    otter（按上面根据需要换成其它物种或furry）放四肢（包括尾巴翅膀什么的）明显俱全的全身照，hands放手部特写最好有几张带肩的（几张就行也不能多了），同理legs和tail里分别放腿跟尾巴特写并最好有几张带臀的，选择明显的，正面背面侧面俱全为佳，同时hands legs tail之间最好别有重叠元素（比如尾巴的正则集图片宁愿小点也别把腿跟手照进去）

    你会发现直接切割部位再用对应关键词训练容易组装成梦魇融合怪，而用包含该部位的全身图片+正则强调该部位训练则可以让AI知道这些东西该装在哪！

6.参数

    其实有了正则化后参数差不多就不会炸 最近一个比较满意的是

数据集：22张 用正则训练对应部位的文件夹有相应删减

768X768 一次2张 40循环 network_dim64D network_alpha32 clip2 学习率青龙脚本推荐的学习率 cosine_with_restarts，lr_scheduler_num_cycles = 3 优化器Lion 

学习率那一行最下面加上

$shuffle_caption = 1 # 随机打乱tokens

$keep_tokens = 4 # 随机打乱时保留前N个不变 （这个根据你要固定置顶的TAG提升）

翻到下面rior_loss_weight=0.1