上篇文谈论了一些基础使用，接下来实验一些更细节的问题。

文章链接：

kohya_ss：

https://qq742971636.blog.csdn.net/article/details/138135484

秋叶包基础：

https://qq742971636.blog.csdn.net/article/details/138195344

一、如何为图片打标

1.1. 打标工具

1.1.1. 秋叶中使用的WD1.4

一种词汇打标器，原始训练数据应该是来源于Danbooru 图像， Danbooru 就类似于分类，表述图中有的元素单词，这种倾向于是一个一个的单词（tag）来打标图片。

图片打标结果展示如下，一行是一个图片的打标：

solo, monochrome, 1girl, portrait, greyscale, short hair, realistic, traditional media, lips, smile

no humans, monochrome, greyscale, traditional media

1.1.2. 使用BLIP2

BLIP2，这个在kohya_ss中有可视化界面，或者使用程序：

https://huggingface.co/Salesforce/blip2-opt-2.7b

BLIP2的提示语更倾向于是一个短语短句子。

1.1.3. 用哪一种

都差不多，最终都会被CLIP转为嵌入量，只要打标准确达意就好。

二、 Lora训练数据的要求

参考资料：https://zhuanlan.zhihu.com/p/676456908

2.1 图片要求

数量我觉得质量越好、数量越多肯定是最好的。

分辨率适中，勿收集极小图像。

数据集需要统一的主题和风格的内容，图片不宜有复杂背景以及其他无关人物。

图像人物尽量多角度，多表情，多姿势。

凸显面部的图像数量比例稍微大点，全身照的图片数量比例稍微小点。

堆糖：https://www.duitang.com
花瓣：https://huaban.com
pinterest：https://www.pinterest.com

通常，准备数百张图像是理想的（图像数量太少会导致类别图像无法被归纳，特征也不会被学习）。

如果要使用生成的图像，生成图像的大小通常应与训练分辨率（更准确地说，是bucket的分辨率，见下文）相匹配。

2.2 图片的打标要求

如果想要用文字自由控制头发是什么颜色，那么tag中对头发颜色的描述就可以保留。

如果是某个特定的人物ID或者画风，不想要文字控制，想要Lora直接就有效果，那么就需要删除这种描述文字。

三、 Lora的其他问题

qa1

为什么lora有附加提示词？：如之前的概念，附加提示词是为了更好触发Lora功能，如果在后续Lora使用中，加上这个附加提示词去生图，那么就嘎嘎被控出Lora风格，附加提示词最好整点与众不同的词。

qa2

lora训练多少轮合适？：10轮，20轮。看到还有200轮的，loss收敛就好。

qa3

Lora模型的不同之处：网络结构（LoRA/LoCon/LoHa/DyLoRA）？：详细看秋叶包的解释。

qa4

Lora的正则化数据，这种训练数据可以用模型生成或者自己找，比如画风Lora训练中，只想生成卡通人物，那么正则数据就可以选真实人物。

qa5

你为什么会觉得BLIP2的标记更好？

WD1.4的打标是一些tag词，比如我训练的素描风格数据，WD1.4给的tag词里有很多相同的词，比如“monochrome, greyscale, traditional media ”，这些词导致了在后续我使用Lora生图过程中，我需要加这种描述词才能很好地触发Lora风格。而BLIP2的标记只会描述物体内容，就不至于出现这种问题。

只能说，各有长处，每个标记txt文件或许要审查一下更好，偷懒地话用BLIP2或许可以更懒一点。

四、 对图片的处理细节

比如我要训练SDXL的Lora，这种Lora可以将图片改为素描风格，我需要什么样的图片？我应该如何处理图片？哪种图片适合？

4.1. 图片尺寸问题

我需要的是高清图，要有足够的细节。SDXL本身是1024*1024的适应，所以我找的图不能太小，最小也应该有个768的大小。这一点上，可以借助一些超分算法和美化算法来调整图片尺寸，让图片有足够多的细节。故图片最小边大于512就足够好了，不用苛刻太多。

4.2. 图片内容选取问题

基本概念是，模型学习的是一种映射关系，对于没见过怎么转换的，迁移能力不是很强。比如我训练了中国墨水化的Lora，都是用的一些风景图片训练的，那么用这个Lora去生成人物是很垃圾的。模型见过类似的图片映射，才能聪明起来，这是训练的核心。

基于此，如果我想要的是画风Lora，那么我搞的数据应该尽量是各种各样的数据都来点；如果我想要的是某个人物的样貌Lora，那么最好搞的数据就全是这个人物的图片。

在素描风格中，我找了一些乱七八糟的图，我希望Lora学习到的是一种笔触风格：

4.3. 什么是一张合适的图？

基本原则是，凡是带有干扰的图，我都不会要，我都会修改。我要纯粹表达Lora的意向，图片要纯粹。

4.3.1. 解决水印问题——inpainting

下图的红圈内都是不想要的图片内容，需要想办法去除：

win10企业版本的图片查看器可以一定程度修改这种情况：

可以看到擦出了很多，有人问下图还有擦不掉的怎么做，当然是直接把这张图扔垃圾桶里。

4.3.2. 解决边界的问题——裁剪

人物或者画风的Lora训练都需要遵循“图片要纯粹”。

比如画风中这张图的边界其实是一个很差的点，我们绝对不想要Lora指导生图出来的图中有这种难看的边界：

裁剪掉即可：

人物Lora训练也有类似的情况，比如这张图，如果是人物Lora，就需要裁剪这张图，因为要突出纯粹的核心内容。

裁剪后是这样的图才行，甚至不想绘制手，也可以把下半身裁剪一些，毕竟Lora那么傻，这么复杂的腿部姿势构图它可能学不会。

4.3.3. 解决主体多的问题——删除

训练素描风格，下面这个图不合适，主体太多，提示词tag很难形成映射。类似地人物Lora也是一样的道理，不要乱七八糟的无关人物干扰最好，否则就删除那张图。

4.3.4. 解决审美的问题——删除

训练素描风格，下面这个图不合适，需要删除。原因在于太丑，我不希望Lora指导绘图绘制出来这么拙略的出图。Lora只是一个小孩子，学映射没那么聪明，这种干扰不要当训练数据给进去，不然Lora学不好。

人物Lora也是类似地，人物如果丑，角度不好，就尽量不要用来当训练数据。

问询、帮助

你如果需要帮助，请看这里：

https://docs.qq.com/sheet/DUEdqZ2lmbmR6UVdU?tab=BB08J2