大家好，

本文将会介绍最近的SDXL Lora训练内容细节，

数据收集

本小节，准备一下训练数据，30-50张左右，需要注意的事项：

1. 不管是角色还是风格，数据尽可能的干净，数据不要贪多，干净很重要；

2. 选择高清的图；

3. 尺寸可以不用管，分辨率大于1024x1024即可，注意，你不需要将数据裁剪成1024x1024

打标签

本小节，给准备好的数据做标签，做标签的工具：

点击"Captioning"完成标签制作。

文件命名： 10_butterfly mogu painting, 关于文件的命名上，总是云里雾里的，看了官方的文档，SDXL1.0之后，不在需要考虑特殊的字符了，按自己喜欢的去命名就行了。

训练环境

本小节，需要准备训练环境，我还用的训练环境是：kohya_ss

https://github.com/bmaltais/kohya_ss

关于如何安装使用，请参考一下官网的链接。

开始训练

参数解析：

learning_rate：设置为0.0001，如果你学习率给多大，你可以多花10分钟去做一次尝试，比如0.00001，然后观察一下训练结果；

unet_lr：设置为0.0001；

train_batch_size：设置为1，如果你对训练不熟悉的，设置为1，准没错，不建议设置太大，因为数据不是很大，只有几十张。同时batch size和学习率两者是相关的，batch size越大，学习率可以小一些；

save_every_n_epochs：设置为1，因为这更有利于我参观训练结果；

resolution：设置为1024,1024， 当然你可以选择更大的尺寸，比如1024,1360等；

network_dim：设置为32，这个数值会影响模型输出的大小，数值越大，网络的参数就越多，32就足够了，不用设置到128；

network_alpha：设置为32，这个参数会影响保存出来的权重值，与network_dim等值，是我认为最好的数值；

lr_scheduler：设置为constant，

optimizer_type：设置为AdamW8bit，(lr_scheduler)这两个参数，选择预选框中的任一一个，对最终的结果影响不会很大，只是收敛速度和过程会有所差异。

这几个参数比较重要，所以单独拎出来，其他参数，可以参考文末的配置文件

测试结果

配置文件