LoRA模型训练入门：不写代码也能训练专属AI绘画风格

玩AI绘画的人最终都会走到这一步——"为什么我画出来的脸和上次不一样？""怎么让AI一直画我家猫而不是随机猫？""这个画风能不能固定下来？"

答案三个字母：LoRA。

这是目前AI绘画圈最主流的模型定制技术。学会它，你就从"用AI画画"升级到了"让AI按你的风格画画"。

什么是LoRA？用人话解释

LoRA（Low-Rank Adaptation，低秩适配）是一种轻量级模型微调技术。它不在原始模型上直接修改，而是训练一个很小的"补丁文件"（通常10-200MB），挂载到基础模型上就能改变出图风格。可以理解为给AI装了一个可以随时插拔的风格插件。

对比一下传统做法：想训练一个画你家猫的模型，以前要用Dreambooth全量微调——训练出来一个2-6GB的大文件，而且每换一个风格就要重新训练整个模型。LoRA只训练一个小补丁，几十MB，可以同时加载好几个LoRA叠加使用（比如"猫脸LoRA+水彩风格LoRA+赛博朋克LoRA"）。

说实话，LoRA的出现是AI绘画平民化的关键一步。以前定制模型是技术大佬的专属玩法，现在有一台游戏本就够了。

训练前准备：你需要这些东西

没有显卡？用云端GPU。AutoDL租一张RTX 3090大约2-3元/小时，训练一个LoRA半小时到一小时，总共花费几块钱。比买显卡划算多了。

数据准备：训练图的质量决定模型的质量

这是整个流程中最重要、也最容易被忽视的一步。垃圾数据训练出垃圾模型——这个道理放哪都成立。

训练人物LoRA的数据要求：

• 15-30张不同角度、不同光线的人脸照
• 要包含正面、半侧面、全侧面
• 要包含不同表情（微笑、严肃、自然）
• 背景多样化（不能所有照片都是白墙）
• 统一裁剪到512x512或768x768

训练画风LoRA的数据要求：

• 30-50张风格统一的图片
• 可以是自己用AI生成的（从同一风格的不同提示词出图）
• 也可以收集喜欢的艺术家作品（但注意版权，仅个人学习使用）
• 确保画风一致性——如果混了水彩和油画，AI就不知道该学哪个

训练参数设置（核心干货）

Kohya SS界面看着复杂，但你只需要关注这几个关键参数：

关键参数速查：
- Network Rank (Dim): 人物LoRA用32-64，画风LoRA用64-128
- Network Alpha: 设为Rank的一半（比如Rank=64，Alpha=32）
- Learning Rate: 0.0001（默认），效果不好再调到0.00005
- Epochs: 10-20轮，观察loss曲线，不再下降就停
- Batch Size: 显存够设2-4，不够设1
- Resolution: 512x512（SD1.5）或1024x1024（SDXL）

最关键的参数是Network Rank。数值越大模型容量越大、学得越多但也越容易过拟合。人物LoRA用32-64刚好——太大了会把训练图"背下来"而不是学会特征。

根据Kohya SS官方文档和社区的大量实践经验，新手最常见的错误就是Rank设太高——设128学出来的人脸跟训练图一模一样但换个角度就崩了。

训练后测试和调优

训练完怎么知道LoRA好不好？三步测试法：

1. 同提示词对比：同一段提示词，加载LoRA和不加载各跑一次，对比差异
2. 权重扫描：分别用0.5、0.7、0.9、1.0的权重出图，找到最佳权重
3. 泛化测试：用训练集没出现过的场景（比如训练了室内照，测试户外照），看LoRA是否能在新场景下保持特征

如果发现过拟合（所有出图都像训练图），降低Rank重训。如果欠拟合（看不出风格变化），提高Rank或增加epochs。

常见问题

训练一个LoRA需要多少张图片？

人物LoRA建议15-30张，画风LoRA需要30-50张。重点不在数量而在多样性和标注质量。少于10张容易过拟合，超过100张性价比不高。

训练LoRA需要什么配置的显卡？

最低6GB显存，推荐8GB+。不够可以用Kohya SS低显存模式或租云端GPU（AutoDL约2-3元/小时）。Mac用户用Draw Things App内置功能。

LoRA和Dreambooth有什么区别？

Dreambooth全量微调（2-6GB大文件），LoRA只练小补丁（几十MB）。LoRA更快更小更灵活，可叠加使用。2026年圈内主流是LoRA。