线条风 SD 画风 LoRA 训练教程（图图）

【导语】
以「线条风」为例，整理画风类 LoRA 的素材量、正则化用法、GPT 打标工具配置，以及赛博丹炉参数与 loss 判读。画风训练与脸模/服装「求像」目标不同：更强调风格泛化，正则化往往有帮助。

原视频：https://www.bilibili.com/video/BV1Sa4y1k7zq/

【素材量】
画风素材宜偏多：口播建议 50 张以上，上百张也可。示例线条风训练集其实偏少。若有约 300 张，两条路：
1）约 100 张进训练集，其余约 200 张放正则化——艺术感与整体把握往往更好（需动手对比）；
2）全部进训练集并加大轮数——体感与路线 1 不同，按时间试。

【正则化是什么、何时开】
通俗理解：先给模型「划范围」。学画青蛙前，正则化文件夹里放更多「普通青蛙」参考，结果会融入该范围。切实例子：训练集没有波点，正则化有，成模出图就可能带上波点元素。

- 求极像（衣服、脸模等）：通常不要开正则化，以免干扰「贴目标」。
- 训画风：可开正则化，效果常更好。数量与训练集成比例，口播多次尝试后建议约 1:2 或 1:3（如训练 50 张则正则化约 100 张）。更细参数见原视频评论区链接。

【打标：GPT Image Captioner】
推荐社区 GPT 图像打标工具（口播 JPG/GPT CV Image Captioner）：效果好、改动少。使用时最好关掉 SD 等占端口程序，并保证国际网络畅通。配置 API 账号（可用第三方中转，注意与官方 OpenAI 区分）；超时拉长；单张试通后再批量文件夹。失败文件用自带「打标失败检查」复打。素材过大可先压缩再打，加快上传。亦可用作提示词反推。

常见坑：API 配错、网络不通、余额不足、地址慢、端口被占、给过激图片打标被拒（GPT 只接受「正常」图片）。

【赛博丹炉参数（画风）】
安装见脸模教程。画风底模口播推荐 Realistic Vision 1.2 一类；开样张预览。
- 学习步数：素材多时不要开太高。例：约 42 张时可从步数 40、循环 10 试起；素材更多则降步数、提循环。
- BS/分辨率：可按口播配置抄，弱卡再下调。
- 样图正反向提示：理念同脸模教程，用来早发现过拟合。

正则化数据集：界面开启后打开 RG 类文件夹——不能把图直接扔根目录，须再建子文件夹，命名如 `1_cat`（口播：可理解为每张正则图每轮学一次的简单写法；严谨命名见评论区）。正则化图可不打标。

上传训练集：分辨率随意、无需裁切；若 Tag 已在外部打好，可「无需 Tag」预处理，再把已打标文件拷进训练集，Tag 编辑器关双语翻译（大批量翻译易出问题）→ 重建缩略图 → 检查修改 → 新增全局触发词（口播例加短词后「全部新增」）→ 开训。

【Loss 与过拟合】
画风开训后 loss 可能很快到约 0.05，不等于立刻过拟合。要结合曲线形态、起伏、样图是否仍能正确响应提示词综合判断；样图糊（尤其 512）也不等于过拟合，关键看元素是否还对。

【测模】
同前：XYZ/多权重、多底模。线条风口播体感对权重与底模很敏感，与其它微调叠加可能出意外好效果；数据再多并认真用正则化，预计还能更好。

作者：天选嘉鲤敦赵图图