哈喽，大家好，我是设计师阿威。
今天给大家带来的是Stable Diffusion训练Lora的教程，希望对大家有帮助。
一、硬件要求
我们知道Stable Diffusion WebUI对显卡要求比较高，同样Lora训练对显卡要求更高，所以要想训练一个质量比较好的Lora，显卡必须性能比较好，显存也要求比较高。
我的电脑勉强能训练，具体配置如下：
显卡：RTX 3060
显存：6G
CPU：i7
内存：16G
此前训练了几个Lora，20步的Lora花了接近1小时才训练完成。
二、训练工具
与Stable Diffusion WebUI不同，训练Lora是一项比较系统性的工作，训练工具也是独立的。
此次我们使用的工具依然是秋叶大佬的Lora训练器。
训练器下载请扫描获取哦
下载好Lora训练器后直接解压，不需要安装，双击A启动脚本.bat文件即可启动。
注意：最好不要放C盘，以防磁盘空间不足。
三、开始配置
启动后，我们是直接在Web界面上进行配置。
整个训练器分为“新手”和“专家”两种模式。
新手配置相对简单，但是也有较多步骤，专家则是给老司机用，这里暂时不过多介绍，咱们今天只介绍“新手”模式，先把Lora训练出来。
1、准备素材
在训练之前我们需要准备至少20张你需要训练的素材，最好是不同角度的。
这里我训练的是某游戏里的角色，直接用手机截图而成，需要将图片的尺寸改成512*512像素。
在Lora训练器的目录train目录下面我们新建一个目录，这个目录就是我们Lora的原图片和标签结果存放的地方。
这里我信件的文件夹是gencheng，并且在其下面新建了orig和ok两个文件夹，请务必按此方法新建文件夹。
其中上图的20张图片存放在orig里面，我们的标签等会儿输出到ok文件夹里。
2、开始打标签
启动秋叶大佬的Stable Diffusion WebUI，在界面上我们找到“训练”功能（该功能默认集成在整合包里，如没有需要额外安装插件）
按照上面的顺序依次填入相关配置信息，其中打标签的文件夹一定要与源文件分开，点击预处理等待WebUI完成20张图片的打标签工作即可。
打标完成后，我们就可以在ok文件夹里被打标的图片和标签文件，如下图
这里为了训练的Lora质量更好，可以检查一下txt文件里的提示词与对应的图片是否一致，如有不一致的提示词可以修改或删除。
全部检查完成后，我们的打标签工作就算成功了。
3、选择底模
训练Lora，需要先确定基础模型，是写实类的，还是二次元类的，今天的示例我训练的是偏二次元的，那么就选择一个二次元的基础模型即可。
这里我们选择的是：ghostmix_v20Bakedvae.safetensors
这个大模型的出图效果比较好，确定模型后，我们需要将模型放到指定目录下面，这里我们放到sd-models目录下即可。
注意：为防止训练出现意外，最好将大模型的名称改为model.safetensors
将底模放好位置后，我们就可以填底模文件路径了。
4、数据集设置
这里就是我们此前打标签目标文件的路径了，但是需要注意一下，我们需要将打完标签的图片和文本文件在ok目录下面再新建一个文件夹，且前面需要加上数字，如：20_gengchen
这里的20代表训练的步数，gengchen表示训练的Lora名称。
注意：这里关系到你是否能够训练成功，所以务必按照步骤操作。
然后我们就可以将ok文件夹的路径放到数据集设置里了
5、其它配置
其它的配置就比较简单了，设置一下训练的尺寸和Lora的名称即可
其它的参数使用默认的即可。
6、等待训练成功
以上步骤都完成以后，我们就可以点右下角的“开始训练”了，可以在后台控制器里看到Lora的训练过程。
这个过程会比较久，等待训练成功后会提示你训练成功（当然训练失败也会提示你训练失败），你会在output文件夹下得到如下几个Lora文件。
其中带数字的都是训练过程中的Lora，不带数字的则是最终的结果Lora，通常取不带数字的Lora即可。
至此整个Lora的训练就完成了，你可以拿你训练好的Lora在WebUI上使用了。
感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程和软件工具，具体看这里。
AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。
一、AIGC所有方向的学习路线
AIGC所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。
二、AIGC必备工具
工具都帮大家整理好了，安装就可直接上手！
三、最新AIGC学习笔记
当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。
四、AIGC视频教程合集
观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
五、实战案例
纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
总结
### 文章总结：Stable Diffusion训练Lora教程及AIGC学习资料概览**作者介绍**：
- 文章由设计师阿威撰写，提供Stable Diffusion训练Lora的详细教程。
**教程概览**：
#### 一、硬件要求
- Stable Diffusion及Lora训练对显卡性能要求较高。
- 推荐配置：RTX 3060显卡（6GB显存）、i7 CPU、16G内存。
- 举例说明：使用上述配置训练20步Lora需要近1小时。
#### 二、训练工具
- 使用秋叶大佬的Lora训练器。
- 工具使用简单，解压后通过双击启动脚本即可运行。
- 建议存放在非C盘以避免空间不足问题。
#### 三、配置与训练步骤
- **新手模式**为主要介绍对象。
- **准备素材**：至少20张素材图片（不同角度），分辨率调整为512x512像素，并妥善存放在指定文件夹中。
- **打标签**：通过Stable Diffusion WebUI的“训练”功能为图片打标签，检查并修正不一致的标签。
- **选择底模**：根据需求选择适合的基础模型（如二次元风格的ghostmix_v20Bakedvae.safetensors），并调整模型文件名为model.safetensors以方便识别。
- **数据集设置**：将打标签后的图片和文本文件放在新建并按命名规范（如20_gengchen）的文件夹中，并在训练器中设置好路径。
- **其它配置**：设置训练尺寸和Lora名称，其余参数使用默认值。
- **开始训练**：点击“开始训练”并等待过程完成，成功后可在output文件夹获取训练结果。
**AIGC学习资料概览**：
- **学习路线**：提供AIGC各个领域的知识点汇总，指导学习者系统、全面地掌握技术知识。
- **必备工具**：整理了一系列必要的工具和软件，帮助学习者快速上手实践。
- **学习笔记**：推荐前辈整理的书籍或手写笔记，提供独到的理解思路以拓宽视野。
- **视频教程合集**：提供从零基础到深入的视频教程，帮助学员通过实战演练高效学习。
- **实战案例**：推荐实战项目，鼓励学习者通过动手实操将所学知识应用于实际中。
**展望未来**：
- AIGC技术前景广阔，将在游戏、计算等领域得到更广泛应用。
- AIGC与人工智能技术的结合将推动更多创新和突破。
**结语**：
- 阿威提供了详尽的Lora训练教程，并分享了丰富的AIGC学习资源，鼓励学习者积极参与实践，把握未来技术发展的机遇。