训练修图ai的半个月：我喂了三百二十组前后对比图
这半个月我干了件笨事：把自己的三百二十组修图前后对比喂给一个小模型，就为验证普通人训一个私人修图助手到底可不可行。训练修图ai的门槛不在技术，在数据，这篇是完整的踩坑账。
训练修图ai这件事，我惦记了大半年。起因很简单：同一张图，我用AI修总是差点意思，差的那点正是我手工修图的私人习惯——阴影往青里压一点，肤色保留黄调，锐化只给眼睛。这些习惯散落在几千次手工操作里，AI学不着。于是我决定把自己修过的图整理成训练数据，喂给一个开源的小模型，看看它能不能学会「我的手感」。结论先放这儿：能学会个七八成，代价是半个月的业余时间。
数据先洗，模型才有救
训练数据的清洗时间要留足，我预估三天，实际花了十一天，占了整个项目七成的时间。
洗数据比想象中烦得多。我从三年来的工程文件里翻出前后对比组，第一轮筛出来五百多组，看着挺多，问题也多：有的原图做过裁剪，前后尺寸对不上；有的中间改过三版，说不清哪版是最终；还有几十组当时是拿手机随手修的，色彩管理一团糟。这些全不能要。筛到最后剩下三百二十组，每组必须满足三个条件：原图未裁剪、修图步骤有记录、成片自己现在看着也不脸红。
最后那条最狠。两年前的修图水平放今天看，一半是不能见人的，拿这种数据训练，等于教模型学坏。删的时候肉疼，删完踏实。
还有个细节值得一提：三百二十组里人像占了两百一十组，比例严重失衡，训出来的模型看什么风景都想给人像调色。后来补了一批风光组才压住。数据配比这件事，没跑过一次根本想不到。
挑底图和定标注，规矩越死越好
每组数据只放一个修图意图，标注里写清楚调了什么、调了多少，宁可啰嗦不许模糊。
标注规则我写了整整一页。每组前后对比配上结构化说明：色温动没动、动了多少，肤色保不保护，锐化给了哪里。比如「阴影-青色调+8，肤色保护开启，眼部锐化+15，其余不动」。写第一周的时候我觉得自己在做苦工，第二周开始发现好处：凡是标注写得含糊的组，后来训出来的结果全都不稳定。
底图的选择也有讲究。我踩过一个坑：有几组原图本身过曝，我修图时先拉了曝光再调色，模型学不会「先拉曝光」这个前置步骤，把过曝当成风格学了。这种组后来全部剔除。训出来的东西是你可以控制的，之前写过一篇ai修图提示词写法：跟AI说话的语法，标注的写法和提示词的写法是同一门语法，那篇可以当参考。
标注之外，训练参数我只动了三处，其余全用默认：学习率压到默认值的一半，训练步数一千五百步起步，每五百步存一次检查点。压学习率是被逼的——默认值训出来的前两版，输出全都带一种过度自信的浓艳，像刚学修图那年的我，什么都敢拉满。半速之后，模型才稳下来。这三处数字是我半个月里唯一试出来的东西，抄走不谢。
训黄了那次，问题出在标注
第一次训练肤色全偏黄的直接原因，是数据里暖调修法占了八成，模型学到的不是风格是偏科。
第一次出模型，我兴冲冲跑了十张测试图，九张脸黄得像刚从三亚回来。排查了两天，原因不复杂：我平时修图偏好暖调，三百二十组里两百五十多组的标注带「暖」字，模型忠实地把「暖」学成了默认值。翻车不冤，数据不会骗人，是我没看自己的数据。
第二次训练前，我把暖调组砍到一半，又补了六十组中性调，训练步数从一千五百步加到两千步，损失曲线总算平稳收敛。第二次测试，十张里有七张接近我的手工水平，剩下三张的问题也固定：高光边缘有一圈轻微的青边，这个缺陷后来我拿局部锐化参数压住了，没再重训。模型这种东西，够用就收手，追求满分能把人耗死。
算笔账的话，半个月里有效训练时间其实不到十小时，其余全在洗数据、写标注、等显卡。这笔投入值不值，看你的风格有多值钱——接单为主的，不如把时间花在打磨模板上；想做个人品牌的，一个稳定复刻自己手感的模型，是真资产。
模型现在挂在我的工作流里当第一遍粗修用，出来的图我再手工精修，比从零开始快四成。训练修图ai给我的最大收获倒不是效率，是它逼我把自己的修图习惯全部写成了文字——写完才发现，所谓手感，就是一堆可以复述的规则。你以为的玄学，写进标注就变成了可以教的东西。
常见问题
多少组数据才够开始训练？
一百组可以先试水，两百到四百组是性价比区间，再多提升很缓。比数量更重要的是每组都干净、标注都明确，五十组脏数据不如二十组好数据。
没有好显卡，训练是不是没戏？
小模型的个人风格训练对显卡要求不高，我用的笔记本级显卡，一轮两小时左右，夜间挂着跑就行。真正卡人的是数据和标注，不是算力。
训练出来的模型能商用吗？
看两样东西：底图有没有肖像授权、所用模型和框架的开源协议条款。我的做法是只用自己拍的、或者拿到书面授权的图，商用前把协议读一遍再决定。
模型训坏了还能补救吗？
轻度的偏色、偏风格，调整数据配比后再跑一轮就能纠回来；如果过拟合严重，输出千篇一律，就得降低训练步数从头再来。每次训练前存好检查点，坏的那版留着对比用。