电子商务平台网站模板微博指数查询入口

hihi，其实以前在方向AIGC生图技术原理和常见应用里面已经多次提到Lora的概念了，但是没有单独拿出来讲过，今天就耐心来一下！
🔥 一口气摸透AIGC文生图产品SD（Stable Diffusion）！

一、什么是Lora？

痛点

在自然语言处理领域，一种重要的范式是对通用领域数据进行大规模预训练，然后将模型适应到特定任务或领域。随着预训练模型越来越大，完全微调（重新训练所有模型参数）的成本越来越高。例如，对于拥有1750亿参数的GPT-3 175B模型，部署独立的微调模型实例是非常昂贵的。

Low-Rank Adaptation （LoRA）是一种解决方案，它通过在Transformer架构的每一层中注入可训练的低秩分解矩阵，将预训练模型的权重固定，并在下游任务中大大减少了可训练的参数数量。这样可以显著降低下游任务中需要微调的参数数量。

定义

Lora（Low-Rank Adaptation，低秩自适应）是一种针对大型AI模型的高效微调技术，由微软研究人员提出。其核心原理是通过低秩矩阵分解，仅调整原模型的一小部分参数（通常为0.1%-1%），即可实现特定任务的适配。

• 低秩（Low Rank）：在数学中，秩（Rank）是一个描述矩阵信息量的概念。低秩意味着这个矩阵包含的信息比较少。在机器学习中，常常使用低秩的方法来简化问题，因为包含的信息少，计算就更快，更容易处理。
• 适应（Adaptation）：适应是指模型可以根据新的数据自我调整，使得模型在新的数据上表现得更好。这对于处理那些数据分布可能会变化的问题非常有用。

从产品视角看，Lora的核心价值在于：

1. 低成本高效：相比传统全量微调，Lora仅需少量数据和计算资源，训练时间缩短50%以上。例如，微调一个14GB的大模型可能仅需40MB的Lora参数。
2. 灵活性与兼容性：Lora参数可叠加或独立存储，支持多任务适配、参数混合（如不同风格Lora按比例融合）。
3. 性能无损：通过低秩逼近保留原模型能力，推理时与基础模型合并，性能接近全量微调。

典型应用场景包括图像生成（如Stable Diffusion风格定制）、语言模型领域适配（如法律/医疗文本生成）等。

使用

1. 点击任意一个 LORA 模型，会自动填写到格式形如<lora：模型文件名称：权重>的 Prompt 到提示词输入框中。
   
2. 触发词 （trigger））：单纯引入模型，很多时候并不会触发LORA 的效果，因为LORA 在训练时基本都会加入若干个特殊的触发词，所以使用时也需要在提示词中输入触发词才能激活 LORA 的效果。
3. 存储位置：/models/LORA

二、常见五大应用场景

1. 描绘特定人物形象

LoRA 最广的应用场景没有之一，在图生图里面的赛博Coser 就是一个典型例子，另外还包括打造动画、漫画、游戏里面的角色等等也属于这个场景的应用范畴。

2. 描绘特定画风

实现画风、或者视觉风格的微调。对应C站的 Model 分类为 Style

3. 描绘特定概念、特效

“概念”，它类似画风但又比画风更抽象。

4. 穿着特定服饰

给人物换上特定的服装，同系列、同主题或者同色彩的服装，例如汉服、机甲、武装。

5. 添加特定元素

借助蒙板功能，可以给原图像的局部添加或替换特定的元素。

三、训练步骤

从产品落地的全流程视角，Lora训练可分为以下阶段：

1. 数据准备

📢 常规要求

 ① 不少于 15 张的高质量图片，一般可以准备 20-50 张图；② 減少重复或相似度高的图片；③ 图片主体内容清晰可辨、特征明显，图片构图简单，避免其它杂乱元素④ 覆盖目标特征的多角度、多场景（如人物需包含正/侧/仰视）。 如果是人物照，尽可能以脸部特写为主（多角度、多表情），再放几张全身像（不同姿势、不同服装）

📢 避免：

① 脸部有遮挡的不要（比如麦克风、手指、杂物等）②背景太复杂的不要（比如一堆字的广告板，或夜市太乱的背景）③分辨率太低的不要④光影比较特殊的不要（比如暗光，背光等）⑤不像本人特征的不要（比如大部分训练集都是长发，那么短发显脸大的不要，大笑毁形象的不要）⑥化妆太浓重的、美颜太严重的不要

🌰 案例

不同的训练目标所需要准备的训练集数量不同，eg：
- 真人类lora:30-50张图，需要有不同角度，不同姿势，面部特写等各种类型的图
- 二次元lora：10-30张图，需要有不同角度，不同姿势，面部特写等各种类型的图
- 画风类lora:100张图以上，需要不同的主题，丰富的细节。

💥 注意：

① 去掉杂乱背景：如抠图，移除背景；② 标准归一化：如统一宽高；🔥 网站：https://www.birme.net（将需要处理的图片上传，调整好保留的区域，然后保存为压缩包即可。）③ 训练集数量不是越多越好，训练集的质量更是重中之重，训练集的质量可以从两个角度衡量
- 像素值越大，图片细节越多越好
- 美学价值越高越好，如特定的构图，经典的画作，摄影作品

2. 数据打标

打标有以下几种方式

1. 手动打标：手动为每一张图片的内容制作标签文本，这种方式速度慢，但准确度高，稳定性好，适用于训练集较少的情况。

2. 自动打标：使用打标脚本来帮助打标，这种方式速度很快，但准确度不高，会出现重复标签和冲突标签，适用于庞大的训练集

3. 🚩自动打标手动校准：先用脚本自动打标，逐个检查每个标签文件，删去重复标签，增加触发词等等，这是我们最推荐的打标方式

   Step 01： 自动化打标

   • 方法一：SD自带的Tagger
     

   • 方法二：秋叶大神WD 1.4 Tagger自动打标
     

   • 方法三：LLAVA（我们公司用的是这个）

   Step 02：标签清洗：清洗噪声标签，添加核心触发词。

   💥 注意（思考🤔一下）：希望保留的特征要删去，以人物的lora为例，如人物的发色，富有个人特点的饰品等等，所有删除的标签会被集合到触发词中，从而达到生成特定人物的目的。

   • 保留/添加标签：等价于引入基础模型中该标签的特征，表示在使用LoRA 时、这个位置的标签是可自定义的，画面可调范围就大；
   • 删除标签的作用：等价于将素材图片特征与 LoRA 做绑定，可以理解为训练出来的LORA 特征会覆盖基础模型同名标签所指向的特征；
     

3. 参数配置与优化

• 基础配置：推荐使用Kohya GUI工具，设置网络秩（Rank=32）、学习率（1e-4）、批量大小（Batch Size=2）。
• 调优技巧：
  • 动态学习率：初始1e-4，损失波动时降至5e-5。
  • 抗过拟合：增加Network Alpha值或提前终止训练。
    

4. 模型训练与验证

• 训练监控：通过TensorBoard观察损失曲线，每200步保存检查点。
  

• 效果验证：

  • 基础测试：使用触发词生成多尺寸图片，验证特征一致性。
  • 泛化测试：组合不同风格提示词（如“赛博朋克+水墨”），检验兼容性。

💡 具体方法：

1. 提示词添加<lora:模型 -NUM-STRENGTH> + 添加controlnet参考图
   2. 在 Webul页面最底部的脚本栏中调用 XYZ plot 脚本，设置模型对比参数。划重点：其中 X轴类型和 Y 轴类型都选择「提示词搜索/替换」Prompt S/R.
   X 轴值输入：NUM,000001,000002,000003,000004,000005，对应模型序号
   Y 轴值输入：STRENGTH,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1，对应模型权重值
2. 生成图像，定位最合适的lora
   

5. 部署与迭代

• 将训练完成的Lora模型（通常为.safetensors文件）部署至Stable Diffusion的models/Lora目录，通过WebUI动态加载。
• 根据用户反馈进行2-3轮微调迭代，逐步优化特征权重和泛化能力。

总结

作为AI产品落地的关键技术，Lora通过“轻量适配”解决了大模型定制化成本高、灵活性差的痛点。未来，随着多模态模型的发展，Lora在视频生成、3D建模等场景的应用潜力将进一步释放。产品经理需重点关注训练工具链的易用性优化（如自动化标注、云端训练平台）及商业化场景挖掘（如企业专属风格模型库）。