如何训练一个 LoRA 模型

1. 确定一个训练目标

LoRA 是兼容基础模型的小型适配器。先确定希望学习的是角色、风格、产品还是动作。集中的训练目标更有助于选择样例与评估结果。请使用你有权用于训练的素材。

2. 选择匹配目标的模型

图片与视频训练器使用不同的数据输入和适配器。请核对基础模型版本和兼容的推理流程。热门生成模型不一定提供 LoRA 训练，目录会标明各候选模型的接入状态。

3. 整理目标明确的数据集

角色训练中应变换姿势、表情、背景与光线；风格训练中应保持视觉语言一致，同时变化主体；产品训练中应清晰展示标志性细节。移除损坏文件与不必要的重复内容。最低数量和分辨率等要求由具体训练器决定。

4. 检查每张图片的描述

描述每个样例中的内容，说明变化细节，不要不加检查地对所有图片使用同一句描述。不同训练器使用的触发词与描述格式可能不同。下方是风格描述示例，应根据实际图片与提供商要求调整。

ohwx_style, an illustration of a coastal town, bold ink outlines, flat colors, textured paper

5. 检查参数与费用

从训练器支持的默认参数开始。步数越多不一定越好，也可能导致过拟合。提交前确认训练报价，生成属于单独的操作与费用。当前工作台会在接入验证完成后开放高级参数。

6. 使用新内容评估训练结果

在兼容的生成器中加载适配器，测试不同提示词、场景与构图。使用相同提示词和可比较的参数与基础模型对照，同时记录成功和失败结果。下一轮训练时，尽量每次只改变一个主要变量。