风格模型：用 20 张图训 LoRA 并跑 3 组验证

20 张图训风格模型，跑完看着挺像，一换主体就崩。问题不在图少，在验证方式：拿训练图去验证，等于用考题当答案。文章拆成五步，重点在第三步的三组验证——只有第二组能证明模型学到的是风格，不是记住了图。

一句话结论

风格 LoRA 的成败不在训练步数，在验证集怎么设计。20 张图、1,100 步、dim 16 训出的模型，在「训练图复现」组上相似度 0.91，看着完美；换成没训过的主体只有 0.62，等于没用。删掉 7 个绑死主体的标签、降到 850 步后，第二组升到 0.81、第一组降到 0.84——第一组变差才是变好的信号。

这篇解决什么问题

三种情况最常见。一是训完只能出原来那些图，换主体就走形，知道是过拟合却不知从哪改。二是风格有了，但提示词怎么调都带不出想要的主体。三是同一数据集重跑，结果完全不同，没法交接。

根子在于把训练当调参，而不是建立可验证的判据。参数几十个，盲调试不完；有三组固定验证，每次改动的好坏当场可见。五步做完，得到风格模型、三组验证图、可复现的参数档案。

开始前要准备什么

• 40 张以上候选图：最后只用 20 张。风格类训练理想区间 15–25 张，少于 12 张必然过拟合，多于 30 张会稀释成「平均画风」。
• 训练环境：24G 显存显卡或按小时租云端。sd-scripts（kohya_ss），1024 分辨率、batch 1、fp16 起步。
• 24 张验证用的「陌生图」：三组各 8 张，全部不参与训练。第一组是同风格不同主体，第二组是同主体不同风格，第三组是训练图里各抽一张复现。这 24 张先准备好，不要训完再找。
• 一张参数档案表：记录基座模型、dim/alpha、学习率、步数、batch、分辨率、打标词数、每组验证得分。没有这张表，第二次训练等于从零开始。

具体怎么做

第一步：按四条硬标准从 40 张里筛出 20 张

四条标准按顺序过：主体一致（不混人、物、景）、构图分散（全身/半身/特写/俯视各占比例，全是正面特写会训出固定机位）、画质达标（短边 ≥1024，无噪点水印）、无重复（裁切变体只留一张，感知哈希去重阈值 0.9）。43 张候选筛到 20 张，淘汰的里有 11 张是近似重复。

我要训一个风格 LoRA，数据集是下面的图片清单（每行：文件名、分辨率、主体类型、构图类型）。
请帮我做四件事：
1. 按「主体一致 / 构图分散 / 画质达标 / 无重复」四项逐条打分，输出一张筛选表，标出建议剔除的图并说明理由；
2. 指出构图分布里缺失的类型（例如全是正面特写、没有俯视或局部特写），并建议补拍或补找哪几种；
3. 给出最终 20 张的入选名单，要求覆盖至少 4 种构图、至少 3 种景别；
4. 给一句判断：当前张数处于「欠拟合 / 合适 / 会稀释」哪一档，依据是什么。

图片清单如下：（粘贴）

第二步：打标只留「变化的部分」，删掉绑死主体的词

自动打标（WD14 或 BLIP）会给几十个词，一半是主体描述——「1girl」「white shirt」。这些必须删，否则触发词和主体绑在一起，换主体就带不动。留下的应是风格属性：笔触、光影、配色、材质、构图习惯，再统一加一个稀有触发词（如 kxstyle）承载风格。

以下是 20 张训练图的自动打标结果（每张一行，逗号分隔）。
我的目标是训「画风」而不是「画某个主体」，触发词定为 kxstyle。
请帮我做三件事：
1. 把标签分成三类：必须删除（绑死主体的具体名词与颜色）、建议保留（风格、光影、笔触、材质、构图）、建议补充（自动打标漏掉的风格特征）；
2. 输出每张图清洗后的最终标签，格式为「kxstyle, 标签1, 标签2…」，控制在 8–14 个；
3. 指出哪 3 个标签如果保留，会导致模型只能生成某一类主体，并说明替换成什么更通用的表述。

打标结果如下：（粘贴）

第三步：先把三组验证跑通，再谈调参

三组各 8 张、固定种子与提示词模板，只改主体词。分工是：第一组（同风格异主体）测泛化，越高越好；第二组（同主体异风格）测污染，低说明主体没被绑进去；第三组（训练图复现）测记忆，过高即过拟合。

我要评估一个刚训好的风格 LoRA，已有三组验证图各 8 张，文件名规则为 g1-01…g3-08。
请帮我设计一份评估表并给出判读规则：
1. 三组分别该看什么指标（风格一致性、主体可控性、构图自由度、文字/结构崩坏率），每组给出 2 个可人工打分的维度，各 1–5 分；
2. 给出「好 / 可疑 / 过拟合」的三档判读阈值，并说明哪一组的分数上升反而是坏消息；
3. 给一个复现实验的最低配置要求（种子、采样器、步数、CFG、分辨率、提示词模板），确保两次评估可比；
4. 如果 g2 组分数偏低但 g1 组正常，列出三个最可能的原因和对应的修改动作（调低学习率、减步数、删主体标签）。

三组图的文件名与对应提示词如下：（粘贴）

第四步：按分数回调参数，一次只动一个变量

第二组偏低就减步数或降学习率；第三组偏高（复现太像）同样减步数；第一、三组一起崩说明学习率过高。纪律是一次只改一个变量，改完重跑同样三组。从 1,100 步起，第三组 0.91 明显过拟合，降到 850 步后第三组 0.84、第二组 0.81，进入可用区间。

这是我的三轮训练记录（每轮：学习率、步数、dim、打标词数、g1/g2/g3 得分）。
请帮我做四件事：
1. 判断每一轮属于「欠拟合 / 合适 / 过拟合」，并指出判据是哪个指标；
2. 给出下一轮唯一应该改的那个参数，以及改多少（用具体数值，不要写「适当降低」）；
3. 预测改动后三组分数各自往哪个方向走，方便下一轮核对；
4. 如果已经连续两轮 g2 上不去，列出三种替代方案（加大数据集多样性、换基座模型、改用 IP-Adapter 而非训练）。

训练记录如下：（粘贴）

第五步：出验证图集与参数档案，让下次能复现

交付两样东西。一是验证图集：三组各 8 张，按固定网格拼成一张对比图，标注组别与得分。二是参数档案：基座模型名与哈希、dim/alpha、学习率、步数、batch、分辨率、优化器、打标词表版本、三组得分。没有档案的模型等于一次性用品——三个月后想再训一版，只能从头试。

这是一次风格 LoRA 训练的完整配置与三组验证结果。
请帮我生成一份可复现的训练档案，要求：
1. 字段齐全：基座模型与版本、数据集张数与来源、dim/alpha、学习率与调度、步数与 batch、分辨率、优化器、触发词、打标词表版本、三组得分；
2. 附一段 120 字以内的「模型说明」，写清它擅长什么、不适合什么、推荐用法（权重区间、采样器、步数）；
3. 给一份使用注意事项：建议权重范围、容易出现崩坏的场景、需要避开的主体类型；
4. 最后输出一个文件命名规则，让三个月后的自己一眼能认出这是哪一版。

配置与结果如下：（粘贴）

实测记录

数据集 20 张（从 43 张候选中筛出），基座为 SDXL 1.0，1024 分辨率，dim 16 / alpha 16，优化器 AdamW8bit，单卡 24G 跑一轮约 38 分钟。

• 第一版（1,100 步，学习率 1e-4，原始打标）：g1 0.62、g2 0.58、g3 0.91。看着「很像」，实际换主体就崩，g2 说明主体被绑进了触发词。
• 删掉 7 个主体标签后重训：g1 0.74、g2 0.69、g3 0.89。第二组明显回升，说明风格和主体开始解耦。
• 降到 850 步：g1 0.81、g2 0.81、g3 0.84。三组第一次靠到一起，这是可用区间。
• 再降到 600 步：g1 0.73、g2 0.78、g3 0.71。风格变弱，出图开始向基座模型靠，属于欠拟合。
• 人工盲评：12 人、每组随机 6 张、不告知版本，850 步版本被选中 9 次，1,100 步版本 3 次。人工判断与 g2 分数方向一致。

最容易错的 3 个地方

第一，用训练图当验证集。这是最普遍也最致命的错。记住一张图比学会一种风格容易得多，分数永远好看。判断方法：验证图里有没有一张出现在训练目录，有就作废。

第二，打标把风格词和主体词混在一起。自动打标会把「white dress」「long hair」一起写进标签，模型学到的就是「这个风格 = 这个女孩」。正确做法是只保留风格属性，主体一律不进标签，让触发词承载风格。

第三，一次改三个参数。学习率、步数、dim 一起动，涨了不知谁的功劳，跌了更查不出。纪律是一次只动一个，其余固定，并记下每轮完整配置。

可复用的东西

数据筛选四条硬标准：主体一致、构图分散、画质达标、无重复。任何风格/产品 LoRA 都能套，筛图时间通常比训练时间还值得投入。

三组验证矩阵：同风格异主体（测泛化）、同主体异风格（测污染）、训练图复现（测记忆）。这个结构不只用于 LoRA，任何「学一种属性」的任务都能改写使用。

一次一变量的调参纪律：每轮只改一个数，改动前先写下预测，跑完对照。预测错了也是信息，说明对参数的理解有偏差。

如果你也经常要做这件事，欢迎在评论区说说你的卡点和做法；也可以留言告诉我，你想看哪个岗位的哪件活怎么用 AI 拆。

admin 普通

收藏 海报 链接