一、为什么选择LoRA训练大师

1.选择炼丹炉时遇到的问题

炼丹炉选择困难：依赖环境复杂且安装困难

功能局限性：多数炼丹炉仅支持特定模型训练，需掌握多个训练器

交互体验差：缺乏友好操作界面

显存占用高：缺乏有效的显存控制方案

基础模型选择：底模来源及下载途径不明确

参数配置复杂：缺乏参数设置指导

训练监控不足：训练效果难以实时评估

增量训练需求：无法在现有模型基础上继续训练

数据管理缺陷：训练素材管理、自动标注及标签复用功能缺失

...

2.LoRA训练大师的优势

1.桌面版应用

一键安装,免除复杂环境配置

2.支持绝大多数前沿模型训练（持续更新适配最新模型）

3.支持低显存模式

最低支持8G显存配置（如klein zimage等模型）

通过低显存模式降低硬件门槛

4.支持从已有LoRA继续训练

避免重复训练造成的时间浪费

5.可查看训练过程

实时日志记录

过程采样

loss曲线

模型输出

6.管理数据集

支持多数据集统一管理

7.支持自动打标和手动打标

8.支持中英文标签一键切换

确保标签系统可复用性

二、训练示例——krea2人物角色

1.新建数据集

进入数据集界面，点击新建数据集，输入名称（如"AI搅拌手图片"）后点击添加

2.添加素材并打标

添加素材方法：选中数据集后点击添加素材，直接选择需要训练的素材文件

标签处理方式：已打标素材可同步选中标签文件导入，未打标素材可使用自动打标功能

点击自动打标

打标对象为图片，打标语言设置为英文

打标类型选择：支持stable diffusion提示词格式等多种类型

格式要求：建议使用较短的英文标签格式进行打标

选择模型

模型选择依据：提供完全破限版不同尺寸模型，需根据硬件配置选择适配版本

提示词补充：打标时可额外添加自定义提示词

人物角色设置

角色训练专项设置：需勾选"训练人物/角色"选项

参数配置要点：

角色命名：统一设定为"AI搅拌手"

可选过滤项：不描述外貌衣着、眼睛头饰、不可变属性及风格特征

开始打标

打标效率：单张图片处理速度约600-700毫秒

进度监控：素材界面实时显示打标进度

60张图片批量处理耗时约51秒

标签特征：自动打标后所有标签均包含预设角色名称"AI搅拌手"

3.统一打标

批量标签管理功能：

标签追加：支持在头部或尾部添加固定触发词（如"AI搅拌手"）

标签操作：可进行替换、覆盖等批量修改

执行确认：修改后需点击确定生效

4.任务配置

点击新建训练任务

训练类型选择：以krea2为例进行设置

最大训练轮数设置：默认50轮（总训练步数=轮数×素材数量，例如60张图片×50轮=3000步）

数据集选择：需选择预先创建的数据集

过程采样配置：

启用采样

默认每10轮和每500步各采样一次

可自定义添加采样条目（例如添加开车、持话筒唱歌、持吉他演唱三种采样场景）

显存优化：

低显存模式可根据设备情况开启

支持分块大小灵活调整

增量训练功能：支持从已有Lora模型继续训练，需指定模型路径

参数检查：完成配置后需点击"检查训练参数"并保存

5.开始训练

点击开始训练按钮

系统自动完成训练初始化

等待训练过程自动执行

过程采样

采样组设置：预设开车/持话筒/持吉他三组采样场景

Loss曲线

模型输出

模型文件管理：

打开Lora模型输出目录

复制目标模型文件粘贴至comfyui/models/loras目录

6.工作流的使用

打开工作流

核心改动：需加载训练完成的Lora模型（如krea2_AI搅拌手_v2）

输入提示词："AI搅拌手驾驶摩托车在高速公路飞驰"

点击运行：生成图像能准确呈现角色特征与场景要素

三、Lora训练大师功能总结

内置训练示例：提供各模型训练实例模板

版本规划：Lora训练大师将持续迭代更新，支持更多模型类型

操作友好性：功能设计均为可视化操作界面

还包含中英文标签切换、素材处理等模块

1.中英文标签切换

支持中文/英文标签实时切换

训练语言切换：可指定使用中文或英文标签进行训练

2.素材处理工具

图片裁剪/图片压缩/图片对比

格式转换/视频抽帧/批量重命名

操作特性：傻瓜式操作，所有功能均提供界面引导提示

四、知识小结

可点击下方原文链接观看视频教程👇

https://comfyit.cn/blog/320/?invite_code=TSH