基本信息
* 任务名称
0 / 64
* 任务类型
图像生成
▼
文本生成
图像理解
图像生成
任务描述
最长200字符
标签
风格训练 ✕
SDXL ✕
* 微调方式
（选择适合你场景的微调方法）
LoRA
?
在注意力层插入低秩矩阵，只训练新增参数（约原模型0.1%~2%），产物轻量（MB级），适合风格迁移和画风学习
低秩适配，轻量高效，适合风格/画风训练
DreamBooth
?
对整个模型微调，将特定主体与唯一标识符绑定，仅需3~5张图片，适合人物/IP定制
主体绑定，3~5张图定制人物/IP形象
Textual Inversion
?
不修改模型权重，在文本编码器的embedding空间学习新词向量来表示目标概念，产物极小（KB级）
概念学习，用新词代表目标风格/纹理
ControlNet
?
在预训练模型上加可训练的控制分支，支持边缘图、深度图、人体姿态等条件输入，为生成添加精确空间控制
精确控制构图/结构，支持多种条件输入
全量微调
?
对扩散模型所有权重进行更新训练，适合大规模领域数据构建专用基座模型，训练成本高但效果最强
全参数更新，适合垂直领域专用基座
模型选择
* 基础模型
SD
SDXL 1.0
训练配置
* 训练方法
LoRA
与微调方式联动，当前为 LoRA 训练
* 参数配置
| 超参数 | 参数值 | 参数说明 |
|---|---|---|
| 学习率 |
|
Learning Rate，控制每步参数更新幅度 |
| 训练步数 |
|
Training Steps，总训练迭代次数 |
| Batch Size |
|
单卡批大小，受显存限制 |
| 分辨率 |
1024×1024
▼
|
训练图片分辨率，建议与基座模型原生分辨率一致 |
| 混合精度 |
fp16
▼
|
Mixed Precision，fp16/bf16，降低显存占用 |
| 梯度累积步数 |
|
Gradient Accumulation Steps，等效增大batch size |
| 学习率调度器 |
cosine
▼
|
LR Scheduler，控制学习率随训练步数的变化策略 |
| LoRA 专属参数 | ||
| Rank（秩） |
|
低秩矩阵维度，典型取值 4~128，越大表达力越强但成本越高 |
| Alpha |
|
缩放因子，通常设为与 Rank 相同 |
| Target Modules |
UNet Attn
▼
|
目标模块，选择将 LoRA 应用于模型的哪些层（如 UNet 注意力层） |
数据配置
ℹ️
数据格式要求（LoRA / 全量微调）：图片 + 文本描述（caption）配对。支持图片文件夹 + 同名 .txt 文件格式，或 HuggingFace Dataset 格式（含 image 列和 text/caption 列）。图片格式：JPEG、PNG（RGB 三通道）
💡
LoRA 风格训练推荐数据量：50~500 张图片 + 对应文本描述
* 数据集
＋ 选择数据集
| 数据集名称 | 图片数量 | 样本数 | 操作 |
|---|---|---|---|
| anime-style-v1 V1.0 | 320 张 | 320 | 删除 |
| illustration-ref V2.1 | 180 张 | 180 | 删除 |
* 验证集
数据拆分
拆分比例
%
选择数据集
从当前训练集中随机拆分 5% 作为验证集
评估配置
新
评估 Prompt
系统预设
A beautiful landscape painting in the trained style, with mountains and a lake at sunset, highly detailed
✕
系统预设
A portrait of a young woman in the trained style, soft lighting, studio photography, 8k resolution
✕
系统预设
A futuristic city skyline in the trained style, neon lights, cyberpunk atmosphere, cinematic composition
✕
＋ 添加自定义 Prompt
模型发布
开启后训练任务成功后将自动发布至模型仓库，不开启则需手动发布至模型仓库
* 发布方式
发布为新模型
已有模型新版本
* 模型名称
0 / 64
版本
V1.0
版本号自动生成
产物类型
LoRA 权重
根据微调方式自动标识
模型描述
最长200字符
费用预估
计费方式
按 GPU 时长后付费
计费说明
¥ 12.50 ~ 25.00
（预估）
预估 GPU 时长：0.5h ~ 1.0h · A100-80G × 1 卡
预估条件：微调方式、基础模型、训练方法、数据集、验证集均已填写
配置概要
任务类型
图像生成
微调方式
LoRA
基础模型
SDXL 1.0
训练方法
LoRA
参数配置
10 项
数据集
500 张图片
验证集
数据拆分 5%
评估 Prompt
3 个
产物类型
LoRA 权重
费用预估
¥ 12.50 ~ 25.00
按 GPU 时长后付费 · A100-80G × 1 卡