只需几张照片，Stable Diffusion WebUI Forge 就能帮你炼出专属 Textual Inversion 概念令牌-酒店常州论坛

只需几张照片，Stable Diffusion WebUI Forge 就能帮你炼出专属 Textual Inversion 概念令牌

【免费下载链接】stable-diffusion-webui-forge项目地址: https://gitcode.com/GitHub_Trending/st/stable-diffusion-webui-forge

Stable Diffusion WebUI Forge 的 Textual Inversion（文本嵌入）训练，让你不用碰模型权重，只用 5～20 张图就能把"你的风格 / 你的角色"变成一个专属词。训练完你会得到一个.pt小文件，往提示词里一写<my_style>，生成的每张图都带上这个概念。本文带你从建向量到出图，完整走一遍。

开始前的 3 件事

动手之前把这三件事搞定，后面一路顺：

环境：克隆仓库git clone https://gitcode.com/GitHub_Trending/st/stable-diffusion-webui-forge，装好依赖后能正常启动 WebUI，并加载一张基础模型（SD1.5 / SDXL 均可，后文以常见参数为例）。
数据：建一个dataset文件夹，放5～20 张训练图，统一裁成512×512。每张图配一句描述，例如a photo of [V] style，其中[V]是占位符，训练时会被你的嵌入名替换——这是整个方法的标准写法，别省。
概念速览：Textual Inversion 一句话解释——给模型词典里加一个新单词，再教它认识这个单词。模型本体权重一个字不动，只是多了一个可训练的小向量，训练完的嵌入就是那个向量。

手把手：从建模型到出图

1. 建一个初始向量

打开 WebUI 的Train标签页，在嵌入创建区填三项：

字段	怎么填	为什么
嵌入名称	如`my_style`，只用字母、数字、下划线	它就是提示词里的令牌名，特殊字符会被自动剔除
初始化文本	与目标相近的短语，如`oil painting`	给向量一个靠谱的起点，收敛更快更稳
向量数	单一概念选 1，复杂风格选 4	向量越多容量越大，但更难训到位

界面入口在 modules/textual_inversion/ui.py，它最终调用 modules/textual_invector/textual_inversion.py 里的create_embedding（第 254 行）：生成一个全零占位向量，若给了初始化文本，就把该文本经 CLIP 编码出的向量逐条拷进去，随后以[名称].pt落盘到embeddings/目录。核心只有几行：

vec = torch.zeros((num_vectors_per_token, embedded.shape[1]), device=devices.device) if init_text: for i in range(num_vectors_per_token): vec[i] = embedded[i * int(embedded.shape[0]) // num_vectors_per_token]

2. 训练参数怎么填

创建完成后，训练参数区照这张表填，新手直接抄作业：

参数	建议值	一句话说明
学习率	0.005	初始值，后续不降就往下调
训练步数	1000～3000	按图片数量增减，宁少勿多
批次大小	1～4	跟着显存走，爆了就降到 1
梯度累积	4	显存不足时的"等效大批次"手段

实际训练由 modules/textual_inversion/textual_inversion.py 的train_embedding接管：读图、前向、更新那个向量、周期性存预览与进度，一气呵成。

3. 跑起来，盯着 loss

点Train Embedding。训练期间关注实时损失值：它应该逐步下滑，稳定后最好压在0.05 以下。中途停掉或正常跑完，.pt都会自动写回embeddings/目录——中断也不怕白跑。

4. 出图之后

在生成界面直接把令牌写进提示词：

a photo of <my_style> landscape with mountains

出图满意？收工。不满意？分两种情况：

像，但没学到：样本太少或步数不够 → 补图（多角度、多光照），步数加到 2000 以上；
不像，像初始化文本了：说明初始化词带偏了 → 换一个更贴切的初始化短语重训，同时检查图片里光照、构图是否一致。

它到底在背后做了什么

跑完再回头拆原理，会清晰很多。

一个占位向量如何变成"单词"。create_embedding生成的.pt文件里存着 token 映射（string_to_token里*指向 token 265）、向量本体、名称、训练步数和所用检查点名。生成时，WebUI 在分词阶段把<my_style>换成这个占位 token，于是提示词里的它不再是普通文字，而是一个被训练过的向量。

谁负责加载与注册。modules/textual_inversion/textual_inversion.py 里的Embedding类（第 36 行）管理单个嵌入的向量、步数与哈希；EmbeddingDatabase类（第 108 行）则是"数据库"，它会监控embeddings目录的变更，发现文件动了就自动重扫注册（load_textual_inversion_embeddings，第 205 行）——所以你把.pt拖进目录，不重启也能用。

一个文件兼容四种格式。load_from_file（第 154 行）按扩展名分发：

elif ext in ['.BIN', '.PT']: data = torch.load(path, map_location="cpu") elif ext in ['.SAFETENSORS']: data = safetensors.torch.load_file(path, device="cpu")

除了.pt/.bin/.safetensors，还支持 PNG / WEBP / JXL / AVIF 图片——数据直接藏在图片元数据里（编码解码逻辑在 modules/textual_inversion/image_embedding.py）。好处是嵌入可以当图片转发，一眼看到长什么样，方便分享。

辅助工具。图片尺寸和焦点不一致会拖慢收敛，modules/textual_inversion/autocrop.py 的智能裁剪能把每张训练图规整成统一构图；想批量回归验证效果，可用 scripts/prompts_from_file.py 从文件读提示词批量出图。

调优与排错一本通

症状 → 原因 → 动作，按图索骥：

现象	多半是	该做的动作
显存爆了（OOM）	批次开大了	batch 降到 1、开梯度累积；关训练预览图；必要时启用 Low VRAM 模式
loss 一直不降	学习率不对	先减半试 0.0025，再配合步数微调
生成结果不像描述	初始化文本带偏	换更贴切的初始化短语，重新创建向量
只认训练图、换个场景就崩	过拟合	减少训练步数、增加正则化（regularization）样本
概念和背景混在一起	训练图背景太杂	用 modules/textual_invector/autocrop.py 自动裁剪统一焦点，或手动抠图
临时文件占满磁盘	训练缓存未清	清理临时文件，如`rm -rf tmp/*`

进阶玩法与方向

批量管理嵌入：EmbeddingDatabase的扫描机制天然支持多嵌入共存，一次加载整目录；
批量验证：配合 scripts/prompts_from_file.py，训练一版、批量出一组图做 A/B 对比；
和 LoRA 结合：嵌入是"加一个词"，LoRA 是"改一摊权重"。想更精细地微调参数，可以看 packages_3rdparty/webui_lora_collection，两条路线可以叠加使用；
下一步探索：风格嵌入与物体嵌入混合训练（同一向量同时学"画风 + 角色"）、给数据集做自动标注以降低人工成本。

现在就去

一套流程记住就行：几张图 + 一个下午 = 一个只属于你的概念令牌；训出来的.pt丢进任何一台 WebUI Forge 的embeddings/目录，别人也能直接用。打开 Train 标签页，创建你的第一个嵌入吧。

【免费下载链接】stable-diffusion-webui-forge项目地址: https://gitcode.com/GitHub_Trending/st/stable-diffusion-webui-forge

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

企业官网建设流程全解析