（原创）checkpoint模型训练和lora训练教程

原创：checkpoint模型训练和lora训练教程 😄

---

一、 图像处理原理

素材图像处理：输入的图像通过 学习过程（专业名词）被分解为 噪音 (创建人工智能图像时使用的种子号),在训练方法中将噪声再次溶解到图像中，生成出的图像会通过训练使其与输入图像更接近。

---

二、素材的选取

因为一张人物图片的脸部占图像的很小部分，也就是占噪点的很小一部分。然而将输入图像重建成实际图像时不能从图像的一小部分得到图像的较大部分，所以需要更大的面部图像进行训练。

1.训练时将不同情绪和面部表情对应，不同的时尚风格和服装对应。将不同的头部的旋转方向，发型，灯光环境，身体镜头，身体大小等因素作为标签训练。

2.选取不模糊，不像素化，没有压缩的图像作为素材。不一定必须高分辨率，但是必须选取让人工智能容易定义的图像。需要确保例如睫毛这样的细节可以在噪音中分解为单独的像素，而不会覆盖更大的区域。

3.提示词选取时必须分类精细化，这样在噪声重建成图像时，就知道如何移动周围的噪声，如何将噪声重组产生出图像。

4.素材数量，steps和epochs的数量选取：

• 对于同一张脸的不同表情，可以使用更少的图像，尤其是高质量图像，15张图像素材就够了。(