PygonGirl1024

本页 LoRA 仅为制作交流学习使用,严禁用于任何非法用途

训练配方 · 自己也能练

这个仓库的 LoRA 全部本地训练,参数和方法公开,想复现或自己练一个照着来即可

底模与参数

基座模型
MOSS-Image Base(非 SFT)
网络结构
LoRA · rank 32 / alpha 32
学习率
1.5e-4 · cosine 调度
训练步数
2000 步
batch size
1
分辨率
512 / 768 / 1024 多桶
训练耗时
RTX 4060 Ti 16G · 约 3 小时

数据集构成

训练张数
约 120–200 张
分辨率门槛
短边 ≥ 1024,低于此一律不收
景别配比
特写 / 胸像 / 半身 / 全身,尽量均衡
筛选标准
单人、正脸或侧脸清晰、无遮挡、非多人合影
去重
dHash 感知哈希,汉明距离 ≤ 6 视为重复

打标策略

触发词
中文名, 拼音, woman
关键原则
caption 里绝不描述长相、发型、五官、肤色、年龄、体型
只描述
服装配饰 · 姿态动作 · 表情情绪 · 场景背景 · 光线 · 镜头
原因
LoRA 学的是「图里恒定、caption 却没写」的东西。把长相写进 caption,等于训练模型忽略长相
打标模型
Qwen3-VL-4B(本地,约 39 秒/张)

头发长度、发型不会被锁定,是因为 caption 刻意没写 —— 需要固定时在正向提示词里写明即可。