AI绘图|如何使用Stable Diffusion训练自己的LoRA模型实战（一）

本文要介绍的LoRA训练法，特别适用于下列对象：

nVidia显卡不够高级，跑不动训练程序根本不是nVidia的使用者，Stable Diffusion的训练程序不支持不想花钱花电力花显卡时间训练

这个方法主要是借用Google Colab的威力，直接靠Colab强大GPU与够大的显存，能够非常充足地训练出品质非常优异的LoRA模型。

第一步，上传训练图：

首先，你必须登录Google，并进入我的云端硬盘（请使用魔法进入）：

然后，创建一个多层的文件夹，根据你的LoRA的名称，格式是：

我的云端硬盘-> lora_training -> datasets -> <项目名称>

以我为例，我创建的路径为：

我的云端硬盘-> lora_training -> datasets -> Vallaria

之后，将AI绘图|如何使用Stable Diffusion训练自己的LoRA模型实战（一）制作好的训练图以及提示词文档全部上传到这个目录里面。

第二步，使用Colab训练：

训练素材准备好之后，就可以打开Colab页面来训练了。

首先，登入这个页面：

colab.research.google.com/github/hollowstrawberry/kohya-colab/blob/main/Lora_Trainer.ipynb

里面有几个栏目要填写，需要修改的有这几个：

project_name：等同于你放在Google云端硬盘的目录名，以我为例这里是Vallaria

training_model：有两个原始模型可以挑选，如果要用在动画图片上可用Anime，否则选Photorealism。我自己是用Photorealism训练，用在动画类的模型上也没啥问题。

num_repeats：每张图被训练的次数，这边我选15training_unit：我选择Epochshow_many：我选择30train_batch_size：同时训练的图的数量，通常是2其他参数保持不变即可。

在这边你要依照你的训练图的数量来决定num_repeats的数量，有一个公式是：

训练图总数X 每张训练步数X Epochs数量/ 同时训练的图的数量= 总训练数。

以我的20张训练图为例：

20张X 15步X 30个Epochs / 2 = 4500。

这个数字要超过4000，这样LoRA的品质才会好，而通常低于6000，免得Colab的每日免费时长被用完。

当训练数量低于2000，出来的LoRA非常难看，角色的特征能被抓出来，但是成品的脸型边缘会一团模糊，更细部的特征例如雀斑、肤色会大面积不稳定在脸上扩散。当训练数量到达3000以后，大部分的品质会趋于稳定，但是眼睛的特征会过于模糊，使得人物的神色委靡。直到了4000以上的LoRA才能拿来用。

当一切都设定好之后，就可以按下左边的开始图示跑训练了！

刚开始跑的时候，程序会要求你授权，让它能存取你的Google云端硬盘，请记得要允许。

如果一切正常的话，你就会在这区块的最下方看到系统跑训练的log了！

通常需要十到二十分钟才能跑完。

当训练完成后,模型文件就在你的云端硬盘的目录下：

我的云端硬盘-> lora_training -> output -> <项目名称>

你会在这个目录上看到不止一个safetensors文件，数字最大的那个就是最后训练的成果LoRA文件了。

就这样，你已经轻松训练出你自己的LoRA了！

恭喜你，完成了！

是时候把你的LoRA模型放到stable-diffusion-webui的models/Lora目录里面，然后重启整个webui，就能看见它出现在Lora标签下了，马上用它来绘出你想要的角色图，验证并同时犒赏犒赏自己吧！