新LORA_caption修改&标注APP&训练参数_2026030

纯隆回纸马纸马的训练效果并不是很好，因为这个lora只学到了木版画的通用风格，画面会有特别多的排线、甚至有明暗，所以我需要重新优化caption和数据集👇

caption优化

 民间纸马的视觉建构逻辑与空间语法.docx根据我们最新一版关于caption的讨论，结合我上传的文件“民间纸马的视觉建构逻辑与空间语法”与我期待的这个训练出来的lora生成图像不要有明暗变化、细致排列的decorative carved line，而是粗野、拙稚的线条为主，负空间干净，结合少量黑色色块上色区域、中国民间视觉符号、中心构图..为主的，然后去给我一个新用于style lora训练caption方案。

我给你一个更“收束”、更适合这次目标审美的 style LoRA 训练 caption 方案。它不是简单复述“纸马”研究文本，而是从你上传的文档中做了一次“选择性抽取”：保留纸马图像最关键的仪式性中心构图、主次等级、符号化、粗拙刀感，但主动剔除那些会把模型带向“细密装饰雕线、复杂纹理堆叠、明暗塑形”的描述方向。文档本身强调，纸马图像遵循严格的空间语法，而不是随意涂抹；👇

zhima_ritualraw, Yunnan jiama and Meishan folk ritual print style, shamanic totemic imagery, myth-driven figure design, rough angular carved lines, bold uneven woodcut strokes, clumsy naive drawing, primitive anti-anatomical stylization, mask-like face, squat thick body, flat graphic image, ritual bilateral balance, sparse symbolic layout, clean negative space, few solid black fill areas, raw handmade print feeling, [subject], [gesture/layout], [1-3 ritual or animal motifs], [print texture]

但是我陷入了一个纠结之中，即：我有个疑问，就是关于caption里面的一些词，qwen lora这个底模能看懂吗。比如： Yunnan jiama and Meishan folk ritual print style, shamanic totemic imagery、anti-anatomical stylisation？？？

所以：我用云南纸马去测试这个caption能不能成立，因为qwen官方底模生成不出来，生成不出来也就是他们没有把数据放进来，所以基于qwen底模生成的lora自然不认识这个caption，这个逻辑成立吗？

你做了一个非常好的测试！这张图完美证明了你的前半段逻辑：Qwen 底模的预训练数据里，确实没有（或者极度缺乏）“云南甲马”和“梅山纸马”的视觉数据。 它仅仅提取了“马”和一点点“纸绘/素描”的概念，给你画了一匹非常西式的、符合标准解剖学的普通素描马，完全没有民间版画的野性与萨满气息。

但是，你推导出的结论——“所以基于 Qwen 底模训练的 LoRA 自然也不认识这个 Caption”——是错误的。

💡 为什么你的结论不对？

因为教底模认识它原本不认识的词汇和画面，正是我们训练 LoRA 的唯一目的！

如果底模本来就能通过“云南纸马”画出完美的甲马图，那你根本就不需要训练 LoRA 了。

LoRA 训练的本质，是一个“强行绑定（词汇重定义）”的过程：

1. 训练前（你现在的状态）： 底模看到 Yunnan jiama，脑子里是空白的，只能瞎猜（画个普通马）。

2. 训练中： 你把几十上百张真正的“云南甲马”图片喂给它，并在每张图的 Caption 里都写上 zhima_ritualraw 和 Yunnan jiama。

3. 发生的变化： 模型会在训练中不断纠错，它会发现：“原来主人说的 Yunnan jiama 根本不是我以为的那种普通马，而是这种线条粗犷、比例夸张、带有木刻质感的奇特图案！”

4. 训练后（加载 LoRA）： 当你挂载上你训练好的 LoRA，再次输入 Yunnan jiama 时，模型就已经“认识”这个词了，它会精准输出你教给它的那种版画风格。

最后新一版的caption模板👇

zhima_ritualraw, Yunnan jiama and Meishan folk ritual woodblock print style, shamanic totemic imagery, myth-driven figure design, rough angular carved lines, bold uneven woodcut strokes, clumsy naive drawing, primitive anti-anatomical stylization, mask-like face, squat thick body, flat graphic image, ritual bilateral balance, sparse symbolic layout, clean negative space, few solid black fill areas, raw handmade print feeling, [subject], [gesture/layout], [ritualor animal motifs]

---

新增了一版隆回纸马+云南纸马的训练集，因为风格相似，然后可以起到补充数据集数量的原因，在筛选云南甲马的过程中，我有限选择线条为主的，没有那么抽象的。符合caption的。

详情见我整理的zhima_nonpurestyle&zhima_purestyle与纯隆回纸马的数据集区别

---

然后我根据用word里面的gpt5.4生成的一个skills上传到ai studio写了一个app。

纸马skills.txt

Download TXT • 6KB

这个APP会自动根据我的skills生成木版画caption的txt文件，这样就让流程自动化了。

---

Lora训练参数

训练参数，zhima_Purestyle: 10%|9 | 249/2500 [28:28<4:17:27, 6.86s/it, lr: 5.0e-05 loss: 1.218e-01] 会出错 。后面查出来是sample图生成的时候像素设置太高了，所以我重新设置了一个540*960的像素，这样就不会因为内存爆了而训练失败了

我这两版还是用的0.0002，AI推荐的0.00005学习速度太慢了。一般来说数字越大学习的越快。我这个lora风格与基模的区别太明显了，所以要快点学。