AI梦：一丹一世界（上） 2025年2月7日

AI梦：一丹一世界（上） 2025年2月7日 AI梦：一丹一世界（上） 2025年2月7日 Modified February 8, 2025 📄 • Lora 训练的参数与训练集标准 ◦ 训练集标准：训练集素材要高质量、风格统一、肢体正确完整。高质量要求宁缺毋滥，风格统一要避免多种不同风格混合，肢体要完整且无异常，避免包含文字、水印、低分辨率和奇怪角度的图片。 • 关于 Lora 训练的讲解 ◦ 素材集内容：包括人像、动植物、建筑（室内外）、抽象、风景等，要尽量包含多的信息以增强 Lora 泛化性。 ◦ 人像风格处理：MJ 生成的人像脸可用 Forge 洗图，将其换成更自然真实的脸后再训练。 ◦ 打标方法：在数据管理中上传素材集，用 join caption 模型打标，以自然语言描述，语句精简，禁止废话，需设置触发词，打完标要检查。 ◦ 训练操作：调整参数后开始训练，训练结果可在训练管理中查看。 ◦ 模型下载：在个人主页的模型文件中，按序号手动下载。 ◦ 本地测单：拥有 4090 显卡可在本地上进行测单，摩搭的测单工具即将上线。 • Lora 模型的训练与测试 ◦ Lora 参数设置：Lora 参数包括训练轮数、保存轮次、学习率等，如训练 30 轮，每三轮保存一个，学习率为 1 4。 ◦ 文件命名规则：从摩搭下载的 Lora 文件需手动改名，避免文件名相同导致调用失败。 ◦ Lora 权重调整：在 Forge 中测试 Lora 时，X 轴输入 Lora 名称，Y 轴设置权重，一般为 0.6、0.8 和 1，且最上面的 Lora 权重需与 Y 轴设置一致，否则会报错。 ◦ 模型效果评估：通过观察生成的矩阵图分析 Lora 效果，可使用原词测试是否拟合，还可从泛化性、拟合程度、肢体完整程度等方面评估，人像素材训练数量因人而异。 ◦ 在线生图测试：若本地无法跑 SD 或 Forge，可使用摩搭在线生图，从 1 开始测判断是否拟合，同一账号可同时开多个页面跑图比对。 • Lora 模型的炼丹与筛选测试 ◦ 权重选择：一般 Lora 模型权重选 0.8 较稳定，0.6 触发不大，可尝试 0.7、0.8、0.9、1 等进行测试。 ◦ 拟合判断：用素材原词测权重，先判断模型是否拟合，拟合后再用怪词测泛化性。 ◦ 肢体完整：测试时要关注人像肢体的完整程度，如手脚有无崩坏。 ◦ 素材准备：工作流程是用 MJ 选出喜欢的风格图，再出大量素材并筛选。 ◦ 过拟合处理：如训练服装花纹手势 10 轮出现过拟合，可能与学习率有关，可调低 Alpha 值，使 Alpha 值为定值的一半或相等。 ◦ 模型融合：目前训练平台未支持多子集训练，传统脚本训练可分级建不同文件夹训练多概念。 ◦ 角色固定：训练固定角色时，素材中角色的特征应固定，打标时要详细描述服饰等特征。 ◦ 图像清晰度：全景图模糊可能是出图分辨率不够或未开 ad，提高分辨率、开 ad 可使图像清晰。 • 关于 Lora 训练与比赛的交流 ◦ Lora 训练需求：有创作欲、想构建自己的世界时可考虑训练 Lora。 ◦ 红色调过拟合：若要特定色调的 Lora，素材应涵盖尽可能多的不同内容以保证泛化性。 ◦ 比赛群情况：二群已满，开放了三群，提醒大家不要重复进群。 ◦ 课程总结：SD 里的图可用于训练。 ◦ 明日课程：将讲授如何用 Lora 或多个 Lora 结合生出好看的图片，从构图、色彩、写 brand、写提示词等角度进行教学。 ◦ 比赛提交：提交训练好并公开的 Lora，数量不限，作品需包含 6 张以上图片，理论上图片数量不限但宁缺毋滥。待辦事項 moon将添加了新内容的素材尺寸页面 PPT 发送给小田 AJ 智慧章節 02:04 会议开场会议开场 04:18 麦乐园、魔搭与未推AGI共学课程：Lora训练及赛题介绍本章节介绍了由麦乐园、魔搭和未推 AGI 共同组织的共学课程，该课程教大家用魔搭平台训练 Lora。介绍了三个组织，说明了赛题“一单一事件”及要求，包括训练底膜、提交内容、作品分辨率等。还展示了参考案例，并提及奖项设置，如二、三等奖及人气参与奖相关情况。 15:13 介绍练 Lora 的初衷与价值：助创作者突破限制，感受联合创作成就感本章节主要讲述了让大家参与练 Lora 的原因。很多创作者虽有好看的想法和图片，但受技术门槛限制不能将其变成体系或模型。练 Lora 能让零基础者成为“炼丹师”，且 Lora 如同搭积木可混用，相比传统画家联合创作更便捷，还能带来成就感，说明了练 Lora 的价值。 18:26 AI时代Lora课程讲解及全屏问题交流本章节中，moon表示AI时代艺术平权下，相关技能很重要，随后准备进入重点知识讲解课程。介绍了课程后续的内容框架，包括炼单原理、参数详解、素材准备筛选标准及成品筛选。接着科普Lora，它全称low rank adaptation，是微调大模型的技术，能解决传统微调成本高的问题，期间还交流了全屏显示问题。 21:12 介绍Lora训练原理及相关经历本章节中，moon先处理观众反馈的显示问题。之后讲解Lora相关知识，提到Lora无需对整个大模型微调，通过训练低质矩阵减少参数量，降低计算和存储需求。还阐述其原理，把大模型信息存于矩阵，Lora只训练部分行列信息，效果与全训练类似，训练时会冻结原大模型矩阵。 23:42 Lora的工作原理：省时灵活且保留基础功能本章节用乐高房子作比喻介绍 Lora 训练。基础模型如预训练好的乐高房子，传统方法想实现特定风格需拆掉重建，耗时费力还可能破坏功能。Lora 则在不破坏房子基础上，于关键位置添加少量新积木，具有省时省力、灵活组合、保留基础功能的特点，这就是其工作原理。 26:14 摩搭训练平台参数详解及使用建议本章节主要讲解摩搭训练平台的训练参数。介绍了进入训练页面的方法和比赛训练底膜勾选要求，详细阐述了单张次数、训练轮数等参数含义及影响，如学习率影响拟合程度、图片分辨率应设为 64 的倍数，还讲解了 ARB 分桶优势，以及定值、阿尔法值与 Lora 大小和模型表现的关系。 51:19 Lora训练参数讲解及训练过程要点本章节主要讲解 Lora 参数相关知识。将底膜比作乐高房子，Lora 为配件，阿尔法值用于调优二者关系，值越高学习细节更多。还介绍常用参数 16×16、32:16 等的原理及泛化性，拓展不泛化模型参数。此外，说明了训练过程中其他参数设置技巧，并提及以前用脚本训练的复杂情况。 59:35 训练参数及训练集素材标准讲解本章节先介绍训练参数，提及定值32、阿尔法值16及传统脚本等。接着重点讲训练集标准，强调素材集重要性，其标准为高质量、求质不求量；风格统一，明确主题用途；人像要正确完整肢体。通过反面教材指出素材集风格不统一的问题，说明针对比赛练特定风格，素材风格必须一致。 01:03:18 Flux 底膜训练素材集的标准与注意事项本章节moon强调素材集的标准。不能仅因喜欢就丢图进去，要考虑整体风格。素材应尽量无签名、文字字体、水印，避免分辨率过低的图片。还提到在Flux底膜训练，含文字易出乱码，且素材比例会影响训练结果，同时说明了不同构图的合适分辨率，但最终要用肉眼判断图片信息是否足够。 01:07:22 人像素材图像筛选标准及素材集内容相关说明本章节主要讲图像筛选标准。若素材集含人像人物，要认真检查肢体尤其是手，避免有问题的手，如鸡爪状、手指有强遮挡、露出手指不全的。奇怪角度、倒立的人像也不要，因其训练方式可能污染素材。尽量选择每根手指都清晰明确展现的素材，还提及展现完整世界观时素材集应包含的内容。 01:10:25 直播讲解Lora素材集制作、洗图及打标方法本章节主要讲解素材集相关内容，包括素材类型如人像、动植物、建筑（室内外）等，强调让 Lora 泛化性强需多包含信息；介绍用 MJ 的 Thrift 控制风格及版权优势，还分享用 Forge 洗 MJ 生成的人像；此外，说明了素材筛选后打标的位置、方式，以及提到打标模型和相关重点。 01:21:05 摩搭平台 Lora 训练打标、下载及测单全流程讲解本章节主要介绍 Flux 模型打标及训练相关内容。打标要用自然语言，语句精简，选好触发词和打标模型，推荐短标并检查。训练后模型在个人主页下载。测单以 Forge 为例，讲了参数设置、Lora 改名等，还提及 Lora 权重、拟合判断，以及训练素材、人像素材数量和模型筛选标准。 01:45:26 模型选择要点：避免过欠拟合，需大量测试筛选本章节从个人审美角度讲模型选择，要看图片拟合程度，过拟合画面会崩坏，欠拟合则像示例图的3号模型应直接淘汰。还提到模型泛化性问题，不同轮数模型学习程度不同，如十五号模型在人像和动植物方面表现好，但建筑方面差，因此需大量测试、筛选、测评。 01:47:23 摩搭在线生图及Lora模型筛选、炼丹参数等使用经验分享本章节主要讲解炼丹及筛选素材集。介绍了摩搭在线生图方法，分享炼丹参数，建议先用素材原词测权重判断模型是否拟合，再用怪词测泛化性，根据人像肢体完整程度等筛选。提到 20 轮是摩搭训练模型的临界点，还说明了素材尺寸，解答了关于过拟合等疑问及分享素材准备流程。 02:03:16 AI 绘画 Lora 训练及出图相关问题解答本章节主要讨论图片生成相关问题。提到素材选择，如有人像等类别，建议用有商用版权的图；讲解虚拟人脸控制、Alpha 和定值设置；探讨多角色训练现状；强调打标要详细；说明生成图版权查看方式；分析真人像生成难点；还解答全景图模糊问题，介绍 ad 人脸修复功能及升 Lora 需求。 02:16:06 Magic Flash生态课程及相关比赛答疑讲解本章节中，moon希望大家加入Magic Flash生态，训练自己的Lora。还提到加群课件和PPT的获取方式，解答红色调Lora等问题，介绍比赛相关，如作品提交、Lora公开方式等，告知明天课程内容并布置作业，让复习今天内容、找素材试验，最后结束课程，让大家群里提问。 Log in or sign up to use this feature. 會議分析 Log in or sign up to use this feature. 會議議程背景和目标讨论议程下一步行动 02:04 04:18 15:13 18:26 21:12 23:42 26:14 51:19 59:35 01:03:18 01:07:22 01:10:25 01:21:05 01:45:26 01:47:23 02:03:16 02:16:06 📄 • Lora 训练的参数与训练集标准 ◦ 训练集标准：训练集素材要高质量、风格统一、肢体正确完整。高质量要求宁缺毋滥，风格统一要避免多种不同风格混合，肢体要完整且无异常，避免包含文字、水印、低分辨率和奇怪角度的图片。 • 关于 Lora 训练的讲解 ◦ 素材集内容：包括人像、动植物、建筑（室内外）、抽象、风景等，要尽量包含多的信息以增强 Lora 泛化性。 ◦ 人像风格处理：MJ 生成的人像脸可用 Forge 洗图，将其换成更自然真实的脸后再训练。 ◦ 打标方法：在数据管理中上传素材集，用 join caption 模型打标，以自然语言描述，语句精简，禁止废话，需设置触发词，打完标要检查。 ◦ 训练操作：调整参数后开始训练，训练结果可在训练管理中查看。 ◦ 模型下载：在个人主页的模型文件中，按序号手动下载。 ◦ 本地测单：拥有 4090 显卡可在本地上进行测单，摩搭的测单工具即将上线。 • Lora 模型的训练与测试 ◦ Lora 参数设置：Lora 参数包括训练轮数、保存轮次、学习率等，如训练 30 轮，每三轮保存一个，学习率为 1 4。 ◦ 文件命名规则：从摩搭下载的 Lora 文件需手动改名，避免文件名相同导致调用失败。 ◦ Lora 权重调整：在 Forge 中测试 Lora 时，X 轴输入 Lora 名称，Y 轴设置权重，一般为 0.6、0.8 和 1，且最上面的 Lora 权重需与 Y 轴设置一致，否则会报错。 ◦ 模型效果评估：通过观察生成的矩阵图分析 Lora 效果，可使用原词测试是否拟合，还可从泛化性、拟合程度、肢体完整程度等方面评估，人像素材训练数量因人而异。 ◦ 在线生图测试：若本地无法跑 SD 或 Forge，可使用摩搭在线生图，从 1 开始测判断是否拟合，同一账号可同时开多个页面跑图比对。 • Lora 模型的炼丹与筛选测试 ◦ 权重选择：一般 Lora 模型权重选 0.8 较稳定，0.6 触发不大，可尝试 0.7、0.8、0.9、1 等进行测试。 ◦ 拟合判断：用素材原词测权重，先判断模型是否拟合，拟合后再用怪词测泛化性。 ◦ 肢体完整：测试时要关注人像肢体的完整程度，如手脚有无崩坏。 ◦ 素材准备：工作流程是用 MJ 选出喜欢的风格图，再出大量素材并筛选。 ◦ 过拟合处理：如训练服装花纹手势 10 轮出现过拟合，可能与学习率有关，可调低 Alpha 值，使 Alpha 值为定值的一半或相等。 ◦ 模型融合：目前训练平台未支持多子集训练，传统脚本训练可分级建不同文件夹训练多概念。 ◦ 角色固定：训练固定角色时，素材中角色的特征应固定，打标时要详细描述服饰等特征。 ◦ 图像清晰度：全景图模糊可能是出图分辨率不够或未开 ad，提高分辨率、开 ad 可使图像清晰。 • 关于 Lora 训练与比赛的交流 ◦ Lora 训练需求：有创作欲、想构建自己的世界时可考虑训练 Lora。 ◦ 红色调过拟合：若要特定色调的 Lora，素材应涵盖尽可能多的不同内容以保证泛化性。 ◦ 比赛群情况：二群已满，开放了三群，提醒大家不要重复进群。 ◦ 课程总结：SD 里的图可用于训练。 ◦ 明日课程：将讲授如何用 Lora 或多个 Lora 结合生出好看的图片，从构图、色彩、写 brand、写提示词等角度进行教学。 ◦ 比赛提交：提交训练好并公开的 Lora，数量不限，作品需包含 6 张以上图片，理论上图片数量不限但宁缺毋滥。待辦事項 moon将添加了新内容的素材尺寸页面 PPT 发送给小田 AJ 智慧章節 02:04 会议开场会议开场 04:18 麦乐园、魔搭与未推AGI共学课程：Lora训练及赛题介绍本章节介绍了由麦乐园、魔搭和未推 AGI 共同组织的共学课程，该课程教大家用魔搭平台训练 Lora。介绍了三个组织，说明了赛题“一单一事件”及要求，包括训练底膜、提交内容、作品分辨率等。还展示了参考案例，并提及奖项设置，如二、三等奖及人气参与奖相关情况。 15:13 介绍练 Lora 的初衷与价值：助创作者突破限制，感受联合创作成就感本章节主要讲述了让大家参与练 Lora 的原因。很多创作者虽有好看的想法和图片，但受技术门槛限制不能将其变成体系或模型。练 Lora 能让零基础者成为“炼丹师”，且 Lora 如同搭积木可混用，相比传统画家联合创作更便捷，还能带来成就感，说明了练 Lora 的价值。 18:26 AI时代Lora课程讲解及全屏问题交流本章节中，moon表示AI时代艺术平权下，相关技能很重要，随后准备进入重点知识讲解课程。介绍了课程后续的内容框架，包括炼单原理、参数详解、素材准备筛选标准及成品筛选。接着科普Lora，它全称low rank adaptation，是微调大模型的技术，能解决传统微调成本高的问题，期间还交流了全屏显示问题。 21:12 介绍Lora训练原理及相关经历本章节中，moon先处理观众反馈的显示问题。之后讲解Lora相关知识，提到Lora无需对整个大模型微调，通过训练低质矩阵减少参数量，降低计算和存储需求。还阐述其原理，把大模型信息存于矩阵，Lora只训练部分行列信息，效果与全训练类似，训练时会冻结原大模型矩阵。 23:42 Lora的工作原理：省时灵活且保留基础功能本章节用乐高房子作比喻介绍 Lora 训练。基础模型如预训练好的乐高房子，传统方法想实现特定风格需拆掉重建，耗时费力还可能破坏功能。Lora 则在不破坏房子基础上，于关键位置添加少量新积木，具有省时省力、灵活组合、保留基础功能的特点，这就是其工作原理。 26:14 摩搭训练平台参数详解及使用建议本章节主要讲解摩搭训练平台的训练参数。介绍了进入训练页面的方法和比赛训练底膜勾选要求，详细阐述了单张次数、训练轮数等参数含义及影响，如学习率影响拟合程度、图片分辨率应设为 64 的倍数，还讲解了 ARB 分桶优势，以及定值、阿尔法值与 Lora 大小和模型表现的关系。 51:19 Lora训练参数讲解及训练过程要点本章节主要讲解 Lora 参数相关知识。将底膜比作乐高房子，Lora 为配件，阿尔法值用于调优二者关系，值越高学习细节更多。还介绍常用参数 16×16、32:16 等的原理及泛化性，拓展不泛化模型参数。此外，说明了训练过程中其他参数设置技巧，并提及以前用脚本训练的复杂情况。 59:35 训练参数及训练集素材标准讲解本章节先介绍训练参数，提及定值32、阿尔法值16及传统脚本等。接着重点讲训练集标准，强调素材集重要性，其标准为高质量、求质不求量；风格统一，明确主题用途；人像要正确完整肢体。通过反面教材指出素材集风格不统一的问题，说明针对比赛练特定风格，素材风格必须一致。 01:03:18 Flux 底膜训练素材集的标准与注意事项本章节moon强调素材集的标准。不能仅因喜欢就丢图进去，要考虑整体风格。素材应尽量无签名、文字字体、水印，避免分辨率过低的图片。还提到在Flux底膜训练，含文字易出乱码，且素材比例会影响训练结果，同时说明了不同构图的合适分辨率，但最终要用肉眼判断图片信息是否足够。 01:07:22 人像素材图像筛选标准及素材集内容相关说明本章节主要讲图像筛选标准。若素材集含人像人物，要认真检查肢体尤其是手，避免有问题的手，如鸡爪状、手指有强遮挡、露出手指不全的。奇怪角度、倒立的人像也不要，因其训练方式可能污染素材。尽量选择每根手指都清晰明确展现的素材，还提及展现完整世界观时素材集应包含的内容。 01:10:25 直播讲解Lora素材集制作、洗图及打标方法本章节主要讲解素材集相关内容，包括素材类型如人像、动植物、建筑（室内外）等，强调让 Lora 泛化性强需多包含信息；介绍用 MJ 的 Thrift 控制风格及版权优势，还分享用 Forge 洗 MJ 生成的人像；此外，说明了素材筛选后打标的位置、方式，以及提到打标模型和相关重点。 01:21:05 摩搭平台 Lora 训练打标、下载及测单全流程讲解本章节主要介绍 Flux 模型打标及训练相关内容。打标要用自然语言，语句精简，选好触发词和打标模型，推荐短标并检查。训练后模型在个人主页下载。测单以 Forge 为例，讲了参数设置、Lora 改名等，还提及 Lora 权重、拟合判断，以及训练素材、人像素材数量和模型筛选标准。 01:45:26 模型选择要点：避免过欠拟合，需大量测试筛选本章节从个人审美角度讲模型选择，要看图片拟合程度，过拟合画面会崩坏，欠拟合则像示例图的3号模型应直接淘汰。还提到模型泛化性问题，不同轮数模型学习程度不同，如十五号模型在人像和动植物方面表现好，但建筑方面差，因此需大量测试、筛选、测评。 01:47:23 摩搭在线生图及Lora模型筛选、炼丹参数等使用经验分享本章节主要讲解炼丹及筛选素材集。介绍了摩搭在线生图方法，分享炼丹参数，建议先用素材原词测权重判断模型是否拟合，再用怪词测泛化性，根据人像肢体完整程度等筛选。提到 20 轮是摩搭训练模型的临界点，还说明了素材尺寸，解答了关于过拟合等疑问及分享素材准备流程。 02:03:16 AI 绘画 Lora 训练及出图相关问题解答本章节主要讨论图片生成相关问题。提到素材选择，如有人像等类别，建议用有商用版权的图；讲解虚拟人脸控制、Alpha 和定值设置；探讨多角色训练现状；强调打标要详细；说明生成图版权查看方式；分析真人像生成难点；还解答全景图模糊问题，介绍 ad 人脸修复功能及升 Lora 需求。 02:16:06 Magic Flash生态课程及相关比赛答疑讲解本章节中，moon希望大家加入Magic Flash生态，训练自己的Lora。还提到加群课件和PPT的获取方式，解答红色调Lora等问题，介绍比赛相关，如作品提交、Lora公开方式等，告知明天课程内容并布置作业，让复习今天内容、找素材试验，最后结束课程，让大家群里提问。 02:04 04:18 15:13 18:26 21:12 23:42 26:14 51:19 59:35 01:03:18 01:07:22 01:10:25 01:21:05 01:45:26 01:47:23 02:03:16 02:16:06 • Lora 训练的参数与训练集标准 ◦ 训练集标准：训练集素材要高质量、风格统一、肢体正确完整。高质量要求宁缺毋滥，风格统一要避免多种不同风格混合，肢体要完整且无异常，避免包含文字、水印、低分辨率和奇怪角度的图片。 ◦ 训练集标准：训练集素材要高质量、风格统一、肢体正确完整。高质量要求宁缺毋滥，风格统一要避免多种不同风格混合，肢体要完整且无异常，避免包含文字、水印、低分辨率和奇怪角度的图片。 • 关于 Lora 训练的讲解 ◦ 素材集内容：包括人像、动植物、建筑（室内外）、抽象、风景等，要尽量包含多的信息以增强 Lora 泛化性。 ◦ 人像风格处理：MJ 生成的人像脸可用 Forge 洗图，将其换成更自然真实的脸后再训练。 ◦ 打标方法：在数据管理中上传素材集，用 join caption 模型打标，以自然语言描述，语句精简，禁止废话，需设置触发词，打完标要检查。 ◦ 训练操作：调整参数后开始训练，训练结果可在训练管理中查看。 ◦ 模型下载：在个人主页的模型文件中，按序号手动下载。 ◦ 本地测单：拥有 4090 显卡可在本地上进行测单，摩搭的测单工具即将上线。 ◦ 素材集内容：包括人像、动植物、建筑（室内外）、抽象、风景等，要尽量包含多的信息以增强 Lora 泛化性。 ◦ 人像风格处理：MJ 生成的人像脸可用 Forge 洗图，将其换成更自然真实的脸后再训练。 ◦ 打标方法：在数据管理中上传素材集，用 join caption 模型打标，以自然语言描述，语句精简，禁止废话，需设置触发词，打完标要检查。 ◦ 训练操作：调整参数后开始训练，训练结果可在训练管理中查看。 ◦ 模型下载：在个人主页的模型文件中，按序号手动下载。 ◦ 本地测单：拥有 4090 显卡可在本地上进行测单，摩搭的测单工具即将上线。 • Lora 模型的训练与测试 ◦ Lora 参数设置：Lora 参数包括训练轮数、保存轮次、学习率等，如训练 30 轮，每三轮保存一个，学习率为 1 4。 ◦ 文件命名规则：从摩搭下载的 Lora 文件需手动改名，避免文件名相同导致调用失败。 ◦ Lora 权重调整：在 Forge 中测试 Lora 时，X 轴输入 Lora 名称，Y 轴设置权重，一般为 0.6、0.8 和 1，且最上面的 Lora 权重需与 Y 轴设置一致，否则会报错。 ◦ 模型效果评估：通过观察生成的矩阵图分析 Lora 效果，可使用原词测试是否拟合，还可从泛化性、拟合程度、肢体完整程度等方面评估，人像素材训练数量因人而异。 ◦ 在线生图测试：若本地无法跑 SD 或 Forge，可使用摩搭在线生图，从 1 开始测判断是否拟合，同一账号可同时开多个页面跑图比对。 ◦ Lora 参数设置：Lora 参数包括训练轮数、保存轮次、学习率等，如训练 30 轮，每三轮保存一个，学习率为 1 4。 ◦ 文件命名规则：从摩搭下载的 Lora 文件需手动改名，避免文件名相同导致调用失败。 ◦ Lora 权重调整：在 Forge 中测试 Lora 时，X 轴输入 Lora 名称，Y 轴设置权重，一般为 0.6、0.8 和 1，且最上面的 Lora 权重需与 Y 轴设置一致，否则会报错。 ◦ 模型效果评估：通过观察生成的矩阵图分析 Lora 效果，可使用原词测试是否拟合，还可从泛化性、拟合程度、肢体完整程度等方面评估，人像素材训练数量因人而异。 ◦ 在线生图测试：若本地无法跑 SD 或 Forge，可使用摩搭在线生图，从 1 开始测判断是否拟合，同一账号可同时开多个页面跑图比对。 • Lora 模型的炼丹与筛选测试 ◦ 权重选择：一般 Lora 模型权重选 0.8 较稳定，0.6 触发不大，可尝试 0.7、0.8、0.9、1 等进行测试。 ◦ 拟合判断：用素材原词测权重，先判断模型是否拟合，拟合后再用怪词测泛化性。 ◦ 肢体完整：测试时要关注人像肢体的完整程度，如手脚有无崩坏。 ◦ 素材准备：工作流程是用 MJ 选出喜欢的风格图，再出大量素材并筛选。 ◦ 过拟合处理：如训练服装花纹手势 10 轮出现过拟合，可能与学习率有关，可调低 Alpha 值，使 Alpha 值为定值的一半或相等。 ◦ 模型融合：目前训练平台未支持多子集训练，传统脚本训练可分级建不同文件夹训练多概念。 ◦ 角色固定：训练固定角色时，素材中角色的特征应固定，打标时要详细描述服饰等特征。 ◦ 图像清晰度：全景图模糊可能是出图分辨率不够或未开 ad，提高分辨率、开 ad 可使图像清晰。 ◦ 权重选择：一般 Lora 模型权重选 0.8 较稳定，0.6 触发不大，可尝试 0.7、0.8、0.9、1 等进行测试。 ◦ 拟合判断：用素材原词测权重，先判断模型是否拟合，拟合后再用怪词测泛化性。 ◦ 肢体完整：测试时要关注人像肢体的完整程度，如手脚有无崩坏。 ◦ 素材准备：工作流程是用 MJ 选出喜欢的风格图，再出大量素材并筛选。 ◦ 过拟合处理：如训练服装花纹手势 10 轮出现过拟合，可能与学习率有关，可调低 Alpha 值，使 Alpha 值为定值的一半或相等。 ◦ 模型融合：目前训练平台未支持多子集训练，传统脚本训练可分级建不同文件夹训练多概念。 ◦ 角色固定：训练固定角色时，素材中角色的特征应固定，打标时要详细描述服饰等特征。 ◦ 图像清晰度：全景图模糊可能是出图分辨率不够或未开 ad，提高分辨率、开 ad 可使图像清晰。 • 关于 Lora 训练与比赛的交流 ◦ Lora 训练需求：有创作欲、想构建自己的世界时可考虑训练 Lora。 ◦ 红色调过拟合：若要特定色调的 Lora，素材应涵盖尽可能多的不同内容以保证泛化性。 ◦ 比赛群情况：二群已满，开放了三群，提醒大家不要重复进群。 ◦ 课程总结：SD 里的图可用于训练。 ◦ 明日课程：将讲授如何用 Lora 或多个 Lora 结合生出好看的图片，从构图、色彩、写 brand、写提示词等角度进行教学。 ◦ 比赛提交：提交训练好并公开的 Lora，数量不限，作品需包含 6 张以上图片，理论上图片数量不限但宁缺毋滥。 ◦ Lora 训练需求：有创作欲、想构建自己的世界时可考虑训练 Lora。 ◦ 红色调过拟合：若要特定色调的 Lora，素材应涵盖尽可能多的不同内容以保证泛化性。 ◦ 比赛群情况：二群已满，开放了三群，提醒大家不要重复进群。 ◦ 课程总结：SD 里的图可用于训练。 ◦ 明日课程：将讲授如何用 Lora 或多个 Lora 结合生出好看的图片，从构图、色彩、写 brand、写提示词等角度进行教学。 ◦ 比赛提交：提交训练好并公开的 Lora，数量不限，作品需包含 6 张以上图片，理论上图片数量不限但宁缺毋滥。待辦事項 moon将添加了新内容的素材尺寸页面 PPT 发送给小田 AJ 智慧章節 02:04 会议开场 02:04 会议开场会议开场 04:18 麦乐园、魔搭与未推AGI共学课程：Lora训练及赛题介绍 04:18 本章节介绍了由麦乐园、魔搭和未推 AGI 共同组织的共学课程，该课程教大家用魔搭平台训练 Lora。介绍了三个组织，说明了赛题“一单一事件”及要求，包括训练底膜、提交内容、作品分辨率等。还展示了参考案例，并提及奖项设置，如二、三等奖及人气参与奖相关情况。本章节介绍了由麦乐园、魔搭和未推 AGI 共同组织的共学课程，该课程教大家用魔搭平台训练 Lora。介绍了三个组织，说明了赛题“一单一事件”及要求，包括训练底膜、提交内容、作品分辨率等。还展示了参考案例，并提及奖项设置，如二、三等奖及人气参与奖相关情况。 15:13 介绍练 Lora 的初衷与价值：助创作者突破限制，感受联合创作成就感 15:13 本章节主要讲述了让大家参与练 Lora 的原因。很多创作者虽有好看的想法和图片，但受技术门槛限制不能将其变成体系或模型。练 Lora 能让零基础者成为“炼丹师”，且 Lora 如同搭积木可混用，相比传统画家联合创作更便捷，还能带来成就感，说明了练 Lora 的价值。本章节主要讲述了让大家参与练 Lora 的原因。很多创作者虽有好看的想法和图片，但受技术门槛限制不能将其变成体系或模型。练 Lora 能让零基础者成为“炼丹师”，且 Lora 如同搭积木可混用，相比传统画家联合创作更便捷，还能带来成就感，说明了练 Lora 的价值。 18:26 AI时代Lora课程讲解及全屏问题交流 18:26 本章节中，moon表示AI时代艺术平权下，相关技能很重要，随后准备进入重点知识讲解课程。介绍了课程后续的内容框架，包括炼单原理、参数详解、素材准备筛选标准及成品筛选。接着科普Lora，它全称low rank adaptation，是微调大模型的技术，能解决传统微调成本高的问题，期间还交流了全屏显示问题。本章节中，moon表示AI时代艺术平权下，相关技能很重要，随后准备进入重点知识讲解课程。介绍了课程后续的内容框架，包括炼单原理、参数详解、素材准备筛选标准及成品筛选。接着科普Lora，它全称low rank adaptation，是微调大模型的技术，能解决传统微调成本高的问题，期间还交流了全屏显示问题。 21:12 介绍Lora训练原理及相关经历 21:12 本章节中，moon先处理观众反馈的显示问题。之后讲解Lora相关知识，提到Lora无需对整个大模型微调，通过训练低质矩阵减少参数量，降低计算和存储需求。还阐述其原理，把大模型信息存于矩阵，Lora只训练部分行列信息，效果与全训练类似，训练时会冻结原大模型矩阵。本章节中，moon先处理观众反馈的显示问题。之后讲解Lora相关知识，提到Lora无需对整个大模型微调，通过训练低质矩阵减少参数量，降低计算和存储需求。还阐述其原理，把大模型信息存于矩阵，Lora只训练部分行列信息，效果与全训练类似，训练时会冻结原大模型矩阵。 23:42 Lora的工作原理：省时灵活且保留基础功能 23:42 本章节用乐高房子作比喻介绍 Lora 训练。基础模型如预训练好的乐高房子，传统方法想实现特定风格需拆掉重建，耗时费力还可能破坏功能。Lora 则在不破坏房子基础上，于关键位置添加少量新积木，具有省时省力、灵活组合、保留基础功能的特点，这就是其工作原理。本章节用乐高房子作比喻介绍 Lora 训练。基础模型如预训练好的乐高房子，传统方法想实现特定风格需拆掉重建，耗时费力还可能破坏功能。Lora 则在不破坏房子基础上，于关键位置添加少量新积木，具有省时省力、灵活组合、保留基础功能的特点，这就是其工作原理。 26:14 摩搭训练平台参数详解及使用建议 26:14 本章节主要讲解摩搭训练平台的训练参数。介绍了进入训练页面的方法和比赛训练底膜勾选要求，详细阐述了单张次数、训练轮数等参数含义及影响，如学习率影响拟合程度、图片分辨率应设为 64 的倍数，还讲解了 ARB 分桶优势，以及定值、阿尔法值与 Lora 大小和模型表现的关系。本章节主要讲解摩搭训练平台的训练参数。介绍了进入训练页面的方法和比赛训练底膜勾选要求，详细阐述了单张次数、训练轮数等参数含义及影响，如学习率影响拟合程度、图片分辨率应设为 64 的倍数，还讲解了 ARB 分桶优势，以及定值、阿尔法值与 Lora 大小和模型表现的关系。 51:19 Lora训练参数讲解及训练过程要点 51:19 本章节主要讲解 Lora 参数相关知识。将底膜比作乐高房子，Lora 为配件，阿尔法值用于调优二者关系，值越高学习细节更多。还介绍常用参数 16×16、32:16 等的原理及泛化性，拓展不泛化模型参数。此外，说明了训练过程中其他参数设置技巧，并提及以前用脚本训练的复杂情况。本章节主要讲解 Lora 参数相关知识。将底膜比作乐高房子，Lora 为配件，阿尔法值用于调优二者关系，值越高学习细节更多。还介绍常用参数 16×16、32:16 等的原理及泛化性，拓展不泛化模型参数。此外，说明了训练过程中其他参数设置技巧，并提及以前用脚本训练的复杂情况。 59:35 训练参数及训练集素材标准讲解 59:35 本章节先介绍训练参数，提及定值32、阿尔法值16及传统脚本等。接着重点讲训练集标准，强调素材集重要性，其标准为高质量、求质不求量；风格统一，明确主题用途；人像要正确完整肢体。通过反面教材指出素材集风格不统一的问题，说明针对比赛练特定风格，素材风格必须一致。本章节先介绍训练参数，提及定值32、阿尔法值16及传统脚本等。接着重点讲训练集标准，强调素材集重要性，其标准为高质量、求质不求量；风格统一，明确主题用途；人像要正确完整肢体。通过反面教材指出素材集风格不统一的问题，说明针对比赛练特定风格，素材风格必须一致。 01:03:18 Flux 底膜训练素材集的标准与注意事项 01:03:18 本章节moon强调素材集的标准。不能仅因喜欢就丢图进去，要考虑整体风格。素材应尽量无签名、文字字体、水印，避免分辨率过低的图片。还提到在Flux底膜训练，含文字易出乱码，且素材比例会影响训练结果，同时说明了不同构图的合适分辨率，但最终要用肉眼判断图片信息是否足够。本章节moon强调素材集的标准。不能仅因喜欢就丢图进去，要考虑整体风格。素材应尽量无签名、文字字体、水印，避免分辨率过低的图片。还提到在Flux底膜训练，含文字易出乱码，且素材比例会影响训练结果，同时说明了不同构图的合适分辨率，但最终要用肉眼判断图片信息是否足够。 01:07:22 人像素材图像筛选标准及素材集内容相关说明 01:07:22 本章节主要讲图像筛选标准。若素材集含人像人物，要认真检查肢体尤其是手，避免有问题的手，如鸡爪状、手指有强遮挡、露出手指不全的。奇怪角度、倒立的人像也不要，因其训练方式可能污染素材。尽量选择每根手指都清晰明确展现的素材，还提及展现完整世界观时素材集应包含的内容。本章节主要讲图像筛选标准。若素材集含人像人物，要认真检查肢体尤其是手，避免有问题的手，如鸡爪状、手指有强遮挡、露出手指不全的。奇怪角度、倒立的人像也不要，因其训练方式可能污染素材。尽量选择每根手指都清晰明确展现的素材，还提及展现完整世界观时素材集应包含的内容。 01:10:25 直播讲解Lora素材集制作、洗图及打标方法 01:10:25 本章节主要讲解素材集相关内容，包括素材类型如人像、动植物、建筑（室内外）等，强调让 Lora 泛化性强需多包含信息；介绍用 MJ 的 Thrift 控制风格及版权优势，还分享用 Forge 洗 MJ 生成的人像；此外，说明了素材筛选后打标的位置、方式，以及提到打标模型和相关重点。本章节主要讲解素材集相关内容，包括素材类型如人像、动植物、建筑（室内外）等，强调让 Lora 泛化性强需多包含信息；介绍用 MJ 的 Thrift 控制风格及版权优势，还分享用 Forge 洗 MJ 生成的人像；此外，说明了素材筛选后打标的位置、方式，以及提到打标模型和相关重点。 01:21:05 摩搭平台 Lora 训练打标、下载及测单全流程讲解 01:21:05 本章节主要介绍 Flux 模型打标及训练相关内容。打标要用自然语言，语句精简，选好触发