如何训练 Stable Diffusion 的 LoRA 模型

通过 Kohya_ss 图形界面训练 LoRA 模型的完整流程。从数据集准备到权重导出，掌握定制化风格与角色的训练核心技术。

1. 整理数据集目录. 在文件夹内创建特定的命名格式，例如 100_charactername。数字表示每张图片在每个 Epoch 中重复训练的步数，charactername 为模型触发词。
2. 设置模型训练参数. 打开 Kohya_ss GUI，在 Lora 选项卡下设置 Pretrained model 为基础模型路径。设置 Output folder 为权重保存位置，并定义合理的 LoRA 名称。
3. 调整训练超参数. 设置 Learning Rate 为 0.0001，Network Rank (Dimension) 设为 32 或 64，Network Alpha 设为 Rank 的一半。这些参数决定了模型的学习深度与泛化能力。
4. 开始训练流程. 点击 Start training 按钮，观察终端窗口中的 Loss 值下降曲线。监控显存使用率，确保进程不会因溢出而报错。
5. 测试模型效果. 将生成的 .safetensors 文件放入 WebUI 的 models/Lora 文件夹。在 WebUI 中加载模型并使用触发词进行推理，对比测试权重在 0.5 到 1.0 之间的表现。