Slider 滑动炼丹法：20 分钟学会 LoRA

【导语】
相对差异提取法、正负流零图法等常见练法，本文介绍 Slider（口播亦作 Stealer/滑动/滑块）训练法：用 LoRA/LyCORIS 对扩散模型中某一概念做更精细的可控调节（增强或擦除）。相关项目与论文见原视频评论区；可与社区其它 Slider 教程对照。

原视频：https://www.bilibili.com/video/BV1kg4y1k76D/

【方法在做什么】
通过调整 LoRA 权重，对生成过程做更精确控制。支持文本训练与图像训练；图像训练要求 before/after 素材一一对应。可对底模已有或尚不存在的概念做增强（Enhance）或擦除（Erase）。口播体感上像「正负流零图 + 差异提取」的结合体，细节以论文与仓库 README 为准。

实操演示以 SD1.5 的 LyCORIS（Likras，口播称 Laura 加强体）图像滑块为例，流程与普通 LoRA 相近。

【环境与仓库】
从 GitHub 下 ZIP，解压后按 Windows setup 指南配环境（Git Bash 等）。注意依赖齐全；报错可对照社区环境教程。亦有第三方 Windows 打包，作者实测易出怪错，故仍用原版仓库。

【prompts 配置（图像滑块可简化）】
打开仓库示例 prompts：设定 Target（如 food）、正向/负向描述（贵重精致 vs 廉价劣质）、中心词、Enhance/Erase、强度（类似提示词权重 1.2/1.7，口播例写 4）、分辨率（默认 512；底模不能直出 1024 就别硬上）、动态分辨率可开以便合理吃素材尺寸。

图像滑块时：Positive / Unconditional 填必要内容即可，其它项可精简。文本滑块则对这几项更敏感。

【成对数据集】
在目录下建 `smallsets`（调整前，如廉价食物）与 `bigsets`/`bassets`（调整后，如昂贵食物）两类文件夹（名称以仓库说明为准）。要求：
1. 文件名一一对应（1–6 对 1–6）；
2. 只改目标元素（蛋糕数量/品质），盘子、背景等尽量不变——否则滑块学不到「干净」的概念轴。

图片扩展名需小写（如 `.jpg`）；大写可能导致识别失败（作者补丁可修）。

【config 与训练命令】
填写 prompts 路径、底模路径；选择训 LyCORIS（C3）还是 LoRA——口播偏好 LyCORIS；rank 不宜过高（可试 4/8，勿轻易超 32）。精度：40 系以上 BF16。步数：简单概念约 1000，更精细可 2000–3000。学习率/优化器可先默认。每 N 步存盘（如 500）便于挑检查点；输出名与 models 目录事先建好。

按 README 拼训练命令：名称、rank、配置路径、图片路径、调节范围一致后回车。必须能正确访问外网依赖，否则易报错。

【作者补丁与效果说明】
口播提供修改版训练脚本：修大写扩展名、还原/修正 loss 显示、加 TensorBoard 便于盯曲线、改保存命名方便直接进 SD 测试。产出多为 `.pt`，实战与常见 safetensors 用法接近。该方法当时用的人少，作者粗测可用，但参数未做完整控制变量，欢迎社区反馈。

作者：天选嘉鲤敦赵图图