目录

服务器准备

训练Lora的GPU

用ComfyUI测试Lora的GPU

费用问题

Lora训练

图片清理

图片裁切

给图片打标签

上传数据集

正式训练

导出模型

使用comfyUI测试训练的Lora

---

服务器准备

训练Lora模型需要强大的GPU算力支持，推荐使用智灵云服务器。该平台已预装ComfyUI和Lora训练器，操作便捷高效。访问地址：https://serverless.datastone.cn

注册好账号后，在GPU部署一栏中新建自己的GPU。为了方便将训练好的模型直接测试，本人开了两个GPU实例分别训练和测试，它们共用一块云磁盘，在GPU部署一栏中可见。

一般40GB的存储空间就够用了，GPU根据需要选择，一般训练Lora单4090即可跑满。

训练Lora的GPU

选择训练类模板下的SD Lora tranier,对应秋叶大佬的训练器，链接他在b站有很多AI作画相关的工具和教程 https://space.bilibili.com/12566101。等待启动完毕打开trainer界面即可

训练flux lora的时候可能会报错40系列不支持分布式训练，需要在环境变量里提前禁用，如下，正常情况不需要考虑。

用ComfyUI测试Lora的GPU

选择推理类模板下的SD comfyUI,等待启动完毕打开comfyUI界面即可。

费用问题

注意，GPU存储会一直扣费，费用是1小时 10GB 1分钱，GPU从1块钱到几块不等，只在开启的时候计费，所以测试完毕后记得把服务关了，训练时可以预估时长设置自动关机时间，一般半夜会便宜25折。

Lora训练

整体流程分为图片清理->图片裁切->打标签->上传数据集->正式训练->导出模型。

图片清理

这一环节自己在本地筛选留下符合需求的优质图片即可。

图片裁切

通过链接网站工具 https://www.birme.net/进行批量裁切，支持自动识别重点像素，大小需要设置为32的倍数，推荐统一修改为jpg模式。

以下是优化后的内容：

---

对裁切后的图片进行批量重命名（从000开始），使用以下bat命令。只需修改脚本中的图片路径并保存为.bat文件即可运行。

@echo off
setlocal enabledelayedexpansion
rem 设置图片文件夹路径
set folder=T:\Huishi\birme-590x900
rem 进入目标文件夹
cd /d %folder%
rem 初始化计数器
set count=1
rem 批量重命名jpg文件
for %%f in (*.jpg) do (
    rem 格式化数字（补零）
    set filename=00!count!
    ren "%%f" "!filename:~-3!.jpg"
    rem 计数器递增
    set /a count+=1
)
echo 图片重命名完成！
pause

使用方法：

1. 修改脚本第7行的文件夹路径
2. 将代码保存为.txt文件
3. 修改文件后缀为.bat
4. 双击运行即可

重命名后的图片名称更清晰规范，便于后续处理和使用。

---

给图片打标签

启动GPU,通过SD-tranier中的WD标签器即可快速自动打标，有需要可以通过下方的标签编辑器修改标签。

点击启动后，会在对应的图片目录下生成txt文件。

建议在使用GPU训练器时，若遇到打标功能运行缓慢或存在bug的情况，可考虑先在本地部署SD-trainer完成打标工作，再将结果上传至云端。本地部署的具体操作方法可通过网络查询获取。

上传数据集

如果使用服务器的SD-trainer打标，那么在图片裁切重命名后打开jupyternotebook上传即可，使用本地SD-trainer则在打好标后再通过jupyternotebook上传。

正式训练

由于使用SDXL作为基底模型，所以只能走专家训练，几个关键参数如下。

训练种类选SDXL，底模选择在素材网站上下载的Checkpoint文件，数据集路径填写时注意，一定要在root前面加/才是完整的路径。

图片大小按照裁切时的大小填即可，输出模型的地址一定要修改，推荐为/root/output,否则可能无法正常保存训练结果，其他训练参数根据需求修改即可。

提示： 若显卡显存充足，可将 epoch 设为 50，并逐步增加 batch size（如 4、8、12）。训练总次数计算公式为：图片数量 × epoch × batch size。

导出模型

将训练完成的safetensor格式模型文件复制到ComfyUI的models/Lora目录后，即可开始测试流程。

使用comfyUI测试训练的Lora

启动GPU,在comfyUI中的工作流加载对应的底模Checkpoint和Lora的safetensor开始测试即可。