1.1素材获取：
根据需求不同，图片的数量、尺寸都会有所不同，最好遵循以下几个原则：
(资料图片仅供参考)
质量高于数量。宁缺毋滥，低质量的素材会“污染”数据，求质不求量，质量高的前提下，再考虑数量；
尺寸统一。长宽最好是能被16整除，比如512*512,768*512，可以根据素材的比例，选择一个尺寸，统一所有素材的长宽，但尺寸会吃性能，要是显卡显存不太高，尺寸最好别大咯；
尽量排除画面中的干扰元素。对图片素材进行初步处理，比如修一下残缺、水印等，诸如人物图片只训练背景、服装，需要对图中人物面部进行遮盖处理（因为五官权重很高）。
对于一些内容构图优秀，但分辨率不够的，可以过一遍sd做无损放大；
对于素材量就是少的，可以先用少量图片做素材训练出特征lora，之后再生图，找到符合需求的，加入素材图集，训练素材就会越来越准确和丰富，这种方式也叫套娃法。
1.2打tag：
tag是为了让程序更好的理解图中元素，tag不用过分追求准确，既然是diffusition（扩散），tag能够指引大致的范围、方向就行。
简洁：
用词不要追求华丽，简洁明了就好，也可以参考提示词参考网站-魔咒百科词典，或者把素材图拖进sd的提示词反推页面，当然后者出来的提示词不是特别准确，仅供参考。拿不定的词，宁可不写；
去杂：
删除掉没必要存在的提示词，保留最基础的特征词就好；删除颜色，比如黑色的长头发，把black删除，保留long hair就行，因为颜色可以在后续文生图中直接指定；
目标tag：
如果是用于多个lora配合使用的，可以添加触发提示词，但这个词需要是你自创的，或者常见词汇加一些东西，至少不能跟词库中已有的提示词一样。
在打tag之前，最好对文件夹中素材做一下整体重命名，比如全部选中对任意图片右键-重命名，用英文字母或数字进行重命名，最好不要有汉字和特殊符号。
打tag工具这里推荐一个，挺好用的，可以在这下载BooruDatasetTagManager （有效期至6月16日）
简单介绍下此工具的使用方法，超级简单
将素材图集文件夹载入软件
左侧第一栏是素材目录，可视化的页面很方便做内容识别；
中间一栏是针对选中图片添加tag，点绿色加号后输入即可；
右边一侧是整体添加tag，点击绿色加号可以给所有素材添加tag，至于前中后顺序，按照需求即可，一般来说最基础通用的放最前面。
输入后，任意切换左侧素材选择，会弹出对话框是否保存，保存即可，文件夹中会自动生成图片同名txt文件。
素材都准备好后，可以进入lora训练环节，这里分别介绍本地训练和云端训练，大家可以根据需求选用（或者同时进行）
2.本地训练本地训练包及方法来源于 @秋葉aaaki ，此文作为图文及细节补充，欢迎点击查看秋葉大佬原贴【AI绘画】最佳人物模型训练！保姆式LoRA模型训练教程 一键包发布
本地训练包在这里下载https://pan.quark.cn/s/d81b8754a484。
2.1环境安装
都开始训练lora的同学，应该已经安装过sd了吧，也安装过python了吧
那么先管理员模式打开PowerShell，运行
Set-ExecutionPolicy -ExecutionPolicy RemoteSigned
右键win按钮，选择windows powershell（管理员），粘贴那段代码回车就行了
在lora-scripts-bytedance中右键install-cn.ps1选择使用powershell运行，一般来说等着就行，第一次运行会下载很多东西比较慢，这个窗口运行完不用管它。
2.2数据集准备
在此资源包中，需要新建一个文件夹起名叫train即可。然后在存放素材的过程中需要注意一下层级结构，素材放在lora-scripts-bytedance\train\xxx\6_xxx\中，xxx是你训练集的名字，6可以理解为迭代次数，一版是6-8。
2.3训练文档设置
右键打开train.ps1文件，推荐安装notepad3来进行编辑（资源包里有），就是好看
打开后，需要对这几个地方进行修改
底模路径，即训练数据所使用的基础模型，可以自己找个目标模型，丢进去，改一下名字，保持文件夹中模型名字后缀跟文档中的一致就行。也可以下载这个7G多的，就叫model.ckpt（https://pan.baidu.com/s/1vN_d0Nf6xPthywOAP7h0Og?pwd=6666），放到sd-models文件夹中。
训练数据集路径，这一块就是你自己的数据集存放路径，上面的xxx这种，素材的存放路径是train/xxx/6_xxx/……，也就是这行代码把aki改成xxx即可。文件夹中可以同时存在多个数据集，文档中写清楚哪个就行。
分辨率，这个就是你自己素材图片的分辨率啦，按照宽,高的格式填写就行；
Batch size，这个数值越大，训练速度越快，但要根据你的显卡显存情况，默认是1，如果你的显卡是24G的，改为3就行，训练时间会缩短，低显存显卡就别挑战这个数值了，会爆显存（非物理）；
Network dim，这个就是会影响产出的lora体积，默认的32，产出体积是36.1M，设置为128，产出体积是144M，不过这个跟lora效果不一定成正相关，32效果也挺不错的；
aki即你保存lora的名字，改成xxx成为自己的命名就行
然后是保存格式，默认是safetensors，也有改成ckpt的，这个根据自己喜好咯
然后最重要的一步，ctrl+s保存它！一定要记得保存哈。
接下来，右键train.ps1使用powershell运行
看窗口稳定运行无报错就行，会有预估时间进度条。
训练完成的模型，在output文件夹中
3.云端训练流程及镜像源自 @秋葉aaaki ，可以查看大佬原贴【AI绘画】LoRA 在线云端训练教程 AutoDL
云端我只用过www.autodl.com，这个平台的好处是社区镜像丰富
使用也很简单，进入网站，注册，充钱，创建实例（租服务器）
建议直接蹲3090，再次A5000，再低没必要了，3090不一定随时都有，一般多刷刷几个区，白天偶尔可以刷到，晚上或清晨很多闲置。
选择社区镜像，搜索lora，选择最高使用量的
然后右下角创建就行。
在控制台（右上角蓝色按钮）列表中，找到刚才创建的服务器，状态显示的是“运行中”就可以开始设置了，点击快捷工具JupyterLab，会打开新页面，不会编程的同学不用担心哈，使用并不麻烦，跟着我的步骤做就行。
双击左侧列表的train.sh，右边会打开页面，之后的步骤跟本地训练一样。
双击train文件夹，新建xxx文件夹，打开xxx文件夹，新建6_xxx文件夹，然后将准备好的训练素材（图片+txt文档）一起拖入6_xxx文件夹中。
镜像已经预装了底模，只用自己上传训练素材，修改train.sh文档即可，修改方式参照本地训练流程。
保存train.sh(ctrl+s)
保存train.sh(ctrl+s)
保存train.sh(ctrl+s)
接下来，将左边目录切回lora-scripts根目录，如图所示，点击运行终端
在右侧终端输入
Bash train.sh
接下来的页面跟本地训练一样，有进度条，有预估剩余时间。
训练完成的模型，在output文件夹中，下载到本地即可
完成模型下载后，记得关机，不然一直扣钱哦。
一般来说，训练一个lora，用时在1-3小时不等，花费还好。主要是按算力租用用户，不会固定分配一台服务器，可能下次你想用的时候，正好它不空余，所有的流程就要再来一遍，不过对于lora训练，这方面其实问题不大，随用随租就行。关于更多linux操作方法，诸如文件删除、打包，网盘连接等操作，可以看AutoDl的帮助文档（https://www.autodl.com/docs/）。
