lora的三种工作模式（stable diffusion打造自己专属的LORA模型）
通过Lora小模型可以控制很多特定场景的内容生成 。
但是那些模型是别人训练好的 ，你肯定很好奇 ，我也想训练一个自己的专属模型（也叫炼丹～_～） 。
甚至可以训练一个专属家庭版的模型（family model） ，非常有意思 。
将自己的训练好的Lora模型放到stableDiffusion lora 目录中 ，同时配上美丽的封面图 。
（plen_me 、plen_vivi ，这两个是我训练的和家里人的模型～_～）
这样就可以将你的Lora模型和其他Lora模型融合使用了 。
再配上Controlnet基本可以 ，将自己的pose+特征融入到其他任何lora模型中 。
【1】
下面我们看下如何训练自己的模型 。（我的炼丹炉配置 ，win10+i7F+4080 ）
首先 ，Lora模型可以通过lora-scripts 脚本进行训练 。
仓库地址：https://github.com/Akegarasu/lora-scripts
找个目录拉下来 ，先安装sd-scripts子项目 ，然后安装lora-scripts项目 。
（敲黑板）重点看下sd-scripts 子项目：
https://github.com/kohya-ss/sd-scripts/tree/b5c60d7d62d6bb4a174ac09327dc517fc4446523要严格按照作者给的步骤安装 。（要不然会有很多奇怪的问题）
如果顺利的话大概安装需要30min左右 。（需要kexue上网应该就不用多介绍了）
【2】
接下来准备需要训练的图片 。根据最后的生成效果 ，要找头像清晰的 ，脸部轮廓清楚的 ，背景最好是白色的 。
然后就需要我们将图片进行预处理 。
先将图片放在一个文件夹里 ，然后定一个预处理之后的文件夹名字 。
然后在stablediffusion中找到【训练】【图像预处理】模块
按照说明 ，填入预处理图片路径和目标目录 ，然后选择【Deepbooru生成标签】 。然后点击【Preprocess】 ，等处理完成 。
到目标目录下 ，看下生成的标签信息 。
这些标签就是训练模型的图片特征了 ，基本上生成出来的标签还是要check下 。
如果某个重要的标签丢失 ，或者识别错误（girl识别成boy ～_～）会直接影响炼丹质量 。
【3】
将预处理目标文件夹复制到lora-scripts脚本的主目录的train目录中 。（如果没有就创建一个）如果你有多个训练集合可以在train中创建一个目录 ，然后放到这个目录中 。
训练自己的专属模型 ，需要依赖一个主模型 。真人特征的模型貌似用 chilloutmix_NiPrunedFp32Fix 比较流行（这个模型很强大 ，你懂的！） 。
模型地址：
https://huggingface.co/naonovn/chilloutmix_NiPrunedFp32Fix/tree/main将下好的模型文件复制到lora-scripts->sd-models文件夹中 。
【4】
准备工作差不多了 ，我们编辑下训练脚本 。
lora-scripts目录中的train.ps1 脚本文件 。
# Train data path | 设置训练用模型 、图片 $pretrained_model = "./sd-models/chilloutmix_NiPrunedFp32Fix.safetensors" # base model path | 底模路径 $train_data_dir = "./train/test" # train dataset path | 训练数据集路径$pretrained_model：就是我们下载的训练模型的基础模型 ，把名字换掉 。
$train_data_dir：训练数据目录 。 # Train related params | 训练相关参数 $resolution = "512,512" # image resolution w,h. 图片分辨率 ，宽,高 。支持非正方形 ，但必须是 64 倍数 。 $batch_size = 2 # batch size $max_train_epoches = 20 # max train epoches | 最大训练 epoch $save_every_n_epochs = 2 # save every n epochs | 每 N 个 epoch 保存一次$resolution：如果你的图片预处理的时候没有调整过 ，这里就保持默认 。
b
a
t
c
h
s
i
z
e
、
batch_size 、
batchsize 、max_train_epoches：如果你的卡不是很强 ，这里的参数可以小一点 。（这两个参数主要控制训练的次数和显存加载的张量数据集） 。 # Output settings | 输出设置 $output_name = "meoutput" # output model name | 模型保存名称$output_name：用默认的也行 ，最好自定义一个名字 ，避免重复生成覆盖原来模型 。
保存 ，然后右键 【使用PowerShell运行】 。
（这里还是要祈祷下 ，不一定能一次成功 。～_～）
脚本在运行过程中会出现一些’triton’加载失败的错误 。
但是其实不影响模型的训练（我查了下好像是windows电脑就不支持这个模块） 。
这里的错误如果不能正常执行 ，大概率是前面敲黑板的地方你没有仔细看 。
等模型训练完 。（我15张图 ，大概跑了10min左右 。）
我们看下output目录输出的模型文件 。
这里的模型文件保存的个数 ，是train.ps1脚本文件里设置的 。
最后我们要通过验证这些模型准确度 ，选用哪一个 。
【5】
将这些模型文件全部复制到
E:\stable-diffusion-webui\extensions\sd-webui-additional-networks\models\lora
对应的扩展忙碌下 。
如果还没有安装 sd-webui-additional-networks 扩展 ，记得先到扩展中安装 。也可以直接用git地址安装（有时候这个扩展查询有点问题）
https://github.com/kohya-ss/sd-webui-additional-networks.git然后我们测试下这几个模型哪一个不错 。
顺利安装插件之后 ，就可以在界面上看到 【Additional Networks】功能菜单 。
要测试自己的模型 ，基础模型还是要选用我们训练的 chilloutmix_NiPrunedFp32Fix 模型 。
prompt可以用自己提取的标签作为测试 。
批次可以适当多点 ，到时候可以选择 。
这个过程大概需要个20min左右 。（可以喝点茶等待创作了～_～） 。
来一起见证AI的创作吧 ～～！
图片的上方是每一个模型名称 ，左边是特征权重 ，组成的一个二维表格 。
有点那个意思 hhh 。
下面这些就有点辣眼睛了 。
根据自己的眼光 ，我们挑选一个相对比较不错的模型 。
整体觉得这个模型不错 ，我们记下模型的名字 。
将这个模型复制到 E:\stable-diffusion-webui\models\Lora 目录中 。
可以给你的模型配上一个封面 ，只要文件名和模型名一样就可以了 。
【6】
有了自己的专属模型 ，就可以结合其他lora模型一起使用了 。
我们试下水墨风格 。下载lora模型：Moxin_10
下载基础模型：dalcefoPainting_3rd.safetensors（有些基础模型在C站没有 ，可以到huggingface上找找 ，再不行github上肯定有）
点开这个红色的收缩面板 。
刷新一下 ，让lora模型文件重新加载下 。
然后选择我们保存的lora文件 ，此时这个模型的prompt设置会在文本框里 。
然后再选择水墨风模型 Moxin 。
调整下每一个模型的权重 ，此时可以将我们自己的模型特征调大些 。
如果没啥问题 ，我们就去C站找这个lora比较好的prompt拿过来用 。
这张虽然有点辣眼睛 ，但是特征是有了 。
这一张比较像我女儿 ～_～ 。
最后 ，stablediffusion+lora等AIGC属于开挂技术 ，我们还是要遵纪守法做一个好同志！！！
创心域SEO版权声明：以上内容作者已申请原创保护，未经允许不得转载，侵权必究！授权事宜、对本内容有异议或投诉，敬请联系网站管理员，我们将尽快回复您，谢谢合作！