页面定位说明
LoRA（Low-Rank Adaptation）是一种高效的模型微调技术，允许创作者使用少量数据在短时间内训练出具有特定风格或角色特征的AI绘画模型。里番的LoRA训练平台提供从数据集准备、标注清洗到模型训练、效果验证的全流程支持，让每位创作者都能轻松打造属于自己的专属AI绘画模型。无论您想要复现特定的画风、固定某个原创角色的形象，还是创造全新的艺术风格，LoRA训练都能帮您实现。
训练流程详解
数据集准备
高质量的训练数据是成功训练LoRA模型的基础。建议准备15-50张高质量、风格一致的图片作为训练集。图片应当清晰、构图合理，且能够代表您想要模型学习的核心特征。对于角色LoRA，需要包含不同角度、不同表情和不同姿态的图片；对于风格LoRA，则需要确保所有图片都体现了目标风格的核心特征。图片分辨率建议不低于512x512像素，最佳为768x768或1024x1024像素。
图片标注与清洗
每张训练图片都需要配套的文本标注（caption），描述图片中的内容和特征。标注的质量直接影响训练效果。我们提供自动标注工具，可以基于BLIP或WD Tagger自动生成初始标注，然后由创作者进行人工校对和优化。标注时需要注意：保留图片中的通用特征描述，将想要模型学习的独特特征用触发词替代，避免在标注中包含与目标特征无关的干扰信息。
训练参数配置
LoRA训练的核心参数包括学习率、训练轮次（Epoch）、网络维度（Network Dim）和网络Alpha值。学习率通常设置在1e-4到5e-4之间，过高会导致过拟合，过低则训练效果不明显。训练轮次一般在10-30个Epoch之间，具体取决于数据集大小。Network Dim决定了LoRA模型的容量，常用值为32、64或128，数值越大模型表现力越强但文件也越大。我们的平台提供了针对不同场景的预设参数模板，帮助新手快速上手。
使用规则与注意事项
训练LoRA模型时请确保使用的数据集不侵犯他人版权。建议使用自己创作的原始素材或获得授权的图片资源。训练完成的模型可以选择私有使用或公开分享到社区。公开分享的模型需要遵守平台的内容规范，不得包含违法或不当内容。平台对每位用户的训练资源有一定的配额限制，具体额度根据用户等级而定。