ai-toolkit训练lora-图文教程1

▍PART 效果预览

训练前是写实的

下图为迭代0次(写实的)

下图为迭代250次（国漫感觉出来了）

迭代500次（我擦，就是缺点皮肤纹理，我rtx2000ada是16g显存，每次迭代用6.5秒，500差不多是1小时）

▍PART 序

ai-toolkit安装看这篇ai-toolkit 安装教程（LoRA本地训练器）最好直接用鸡肉爱土豆汉化过的ai-toolkit版!!!!!!! ，这篇ai-toolkit 安装教程（LoRA本地训练器）的评论区有网盘地址。。
不然说真的，自己装的话后续要处理的问题很多，
本文会以Z-Image Turbo 作为演示模型
本篇先聊数据集怎么构建

▍PART 流程简要

准备图片集并统一规格：收集至少15-50张同一风格的图片（推荐50张左右），图片不能有纯色填充区域，不拉伸，分辨率统一（宽高不超过1024，最大1536）。依次完成：批量修改分辨率（保持比例选crop）→ 批量改后缀为jpg → 批量修改文件名（如0001.jpg顺序编号）。
生成打标txt文件：推荐用ComfyUI打标（方法1），流程见《comfyui-图片批量打标、批量反推》，每个图片生成同名txt描述文件（建议用英文，兼容更多模型）。或使用ai-toolkit内“数据标注”功能（需新建数据集文件夹，每次打标需重新新建）。
配置本地数据集存放路径：在ai-toolkit设置中，将数据集存放目录配置到机械硬盘（避免固态硬盘），图片和txt文件可直接放入该目录。重新运行ai-toolkit后，数据集界面会显示本地文件（中文版可能有描述文字不显示的bug，可忽略）。
验证数据集：检查图片与txt文件一一对应（文件名相同），图片无留白拉伸，格式统一为jpg，分辨率一致。完成后即可用于后续LoRA训练。

▍PART 正文

用于训练的图片有几点要求：

第一：

第二：

第三：必须有打标文件

你像z-image、qwen这种模型对中文理解能力都可以，所以其实是可以保存成中文（最好还是统一英文），但是其他模型他对中文理解能力很差，所以最好都统一英文，不然你以后换模型还得重新生成一份。

所以关于图片(数据集)，流程应该是这样:

第一步改图片分辨率

新建一个文件夹，放图片（数据集）
图片最好都是一个风格！最小不能低于15张
我是用46张推理的，50左右是最佳，当然肯定是多多益善。也别太多，还是看你显卡。
然后对图片进行分辨率修改，看这篇=>comfyui-kjnodes 批量修改分辨率
注意！所有图片分辨率要一样，比如我都是576*1024，所以教程里的Load Images From Folder (KJ)节点的keep_aspect ratio要选crop