大家好，我是设计师阿威
（Stable diffusion生成的三上youya老师）
用AI进行画出不同人物，我们需要训练自己Lora模型。除了训练二次元人物之外，也常常要训练三次元人物。
比如福利姬老师可以训练自己然后穿上各种美美的衣服来拍照，减少自己的日常工作量。
我们也可以训练模特人物之后，获得自己的AI模特。
还有的女生，也有用自己照片训练自己的lora，可以让这个电子替身在赛博世界，替自己穿上美美的衣服，去各种地方，还能保留自己最美的年华和最好的样子。
总之，三次元炼丹还是有蛮多应用场景的。
但是，三次元炼丹比二次元炼丹相对要复杂一些（难一些），因为三次元里面的人物，是三维的，比二次元人物多一维，也就代表着机器需要学习更多数据才能学会你的人物特征，也意味着如果有一点没学会或者没学对，都会让你的人物训练功亏一篑（不像，崩图，泛化性差等）。
下面，给大家分享一下我们这边的炼丹经验和步骤吧。
1.下载训练包
（1）下载星空大佬的 lora训练包（如果你已经有了秋叶大佬的一键训练包，可以直接使用。本文以星空训练包为教程），秋叶一键训练包、星空Lora训练安装包下载请扫描获取哦
下载完解压。记得路径里面不要有中文。
注意：该训练包需要自行配置Python环境，请务必确认自己的电脑安装有Python编译器
5.准备训练集（图片素材）
下面就以我们熟悉的三上Yua老师为例，来准备素材吧。
（1）准备好合适的照片集合，建议准备50张以上的照片素材，且分辨率需要是你目标训练分辨率的2倍以上（比如你想训练512x512的，那素材至少1024x1024），方便后续裁剪和加工。不要少于30张。要有不同的角度。不能都是正脸大头照。
注意：
脸部有遮挡的不要（比如麦克风，手指，杂物等），
背景太复杂的不要（比如广告板，上面一堆字，或者夜市背景太乱）
分辨率太低的不要（目标分辨率2倍以下的不要，方便裁切），
光影比较特殊的不要（比如暗光，背光等）。
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）
化妆太浓重的，美颜太严重的不要。
（2）把图像裁剪成合适大小。
训练真人建议至少裁剪成512*768，如果显存够大，最好裁剪成1024像素以上。（图像越大，训练速度越慢，显存占用越高）
我们用photoshop，美图秀秀之类的软件手动裁剪图像。
6.Tag打标和tag整理
（1）在stable diffusion webui 的 train(训练)-preprocess images（图片预处理）下面，输入你裁剪后的图片地址和输出结果地址。
下面输入图片尺寸（或者你想裁剪成的图片尺寸。上面说的裁剪图片最懒最快的方法就是这里）。
接着选择split和use deepbooru for caption。
再点击preprocess开始对图片进行处理。
预处理完，你会发现目标文件夹里面每个图片旁边出现了一个txt文件，打开一看，里面是每张图片的tag（标签）
（2）整理每个图片的标签，每个图片对应的标签第一句加上你要训练的 trigger word（触发词），比如我要叫做 sanshangyua，就打开每一个tag文件（txt）文件，在最前面加入sanshangyua这个关键词。
部分专属人物特征需要从tag里面删除。
部分tag里面没体现的重要场景可以手工补充tag。也可以用类似tagger之类的工具再跑一次tag来优化。
7.设置训练文件夹
训练包里面新建一个train文件夹，里面放上你要训练的触发词，建一个文件夹。比如我就建一个sanshangyua文件夹，下面再建一个10_sanshangyua文件夹，里面放入刚刚处理完的图片文件和tag文件。
8.设置训练参数并开始训练。
（1）右键点击并用powershell运行训练包里面的run.ps1文件
（2）根据运行结果把提示的地址放浏览器地址栏打开
（2）选择训练基础模型，建议使用sd1.5或者chilloutmix系列模型。
（3）设置训练集地址和输出地址以及训练的lora名字
（4）打开训练参数（training paramenters）页面设置训练参数，没有标注的参数新手请按默认值。老手可以调着玩。
（5）训练参数-高级设置，use 8bit adam的勾记得去掉。其他的基本不用动。然后点击最下面的开始训练。
（注意，我这768x1152的分辨率在执行的时候报错了，显示说 assert max(resolution) <= max_bucket_reso，然后我把Enable buckets的勾去掉了就能正常运行。大家如果也报错分辨率相关问题，建议使用512*512或者512*768的经典分辨率，相对不容易出错。）
（6）等待训练结束
训练完成，接着可以去output文件夹找到相关的文件，sanshangyua-xxxx.safetensors就是我们的训练成果。
我分辨率比较大，训练了20轮，所以时间比较长，花了五个多小时。
大家如果图片分辨率小一些比如512x512，20-30张图片，20轮，大概1小时左右。如果显卡更好速度会更快。
9.训练测试
（1）把output文件夹中生成的几个safetensors文件，放到stable-diffusion-webui-old\extensions\sd-webui-additional-networks\models\lora文件夹里面。（注意，需要提前下载安装sd-webui-additional-networks插件。插件下载请看文末扫描获取哦）
（2）设置测试prompt参数
测试prompt这里有3个注意点，
a)基础模型要使用你的训练模型，比如你用的sd1.5或chilloutmix系列，那么你测试画图时要用的基础模型最后也用sd1.5或者chilloutmix系列基础模型。
b)记得在prompt区域加上你的trigger word触发词，比如我的是sanshangyua。Prompt区域还要加一个人物本来没有的特征，比如白发。以便测试泛用性。
c)本身因为我训练集的图片是1:1.5的，因此出图比例我也写1:1.5的512x768
（泛用性指的是，你训练的lora模型能否和其他模型很好的结合和拓展，比如你用chilloutmix训练的，那么用ralistic version模型能否跑出好图。比如换衣服是否自然顺畅，比如是否能自然顺畅出全身照等（前提是你没有训练全身照）。）
（3）设置xyz参数
a) additional networks随便选一个lora，激活additional networks插件。
b）设置xyz参数
x轴设置为 addnet model 1，然后点击小黄笔记本，自动引入所有lora文件名。
Y轴设置为 addnet weight1，然后输入0.6-1.
设置xy让系统自动用不同的lora分别以0.6-1的权重跑prompt指令。
c）等待xyz出结果
10.对比结果，筛选表现好的lora进一步测试或回炉重造
（1）通过xyz对比图，看哪一个训练结果表现最好，最像的同时泛化性最好。
如果没有则回去调整训练参数重新训练。如果调整训练参数没用的话大概率是训练集问题，重新收集整理裁剪训练集，并优化tag。
（2）如果有表现比较好的lora，则复制出来，放到stable-diffusion-webui/models/lora文件夹下面。随机跑几张图再测试一下，没问题就修改lora名称，删掉多余lora，方便后续使用。
（3）*可选 如果有又像又不像的，可以把对应lora拉出来，再去重复训练一次，epoch设置5，每1 epoch保存一次。再优中选优。但是最好不要重复训练太多次，否则容易过拟合，要么图像崩坏，要么泛化性非常差。
（4）记录训练参数，数据，测试数据，便于下一次迭代。
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。
若有侵权，请联系删除