企业官网建设流程全解析

Stable Diffusion WebUI Forge 自定义模型训练指南：几张照片教 AI 认识你的专属风格

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

想让你的 Stable Diffusion WebUI Forge 学会一个 AI 从没见过的事物吗？比如你养的那只猫、你公司的品牌配色、或者你自己固定的手绘风格。文本嵌入训练（Textual Inversion）让你只拍 5 到 20 张照片，就能让 AI 记住这个新概念，而不用去改模型本身的权重。训练完成后，你在提示词里打一个标签，比如a photo of <mycat> sitting on the window sill，画出来的猫就是它，而不是"某只猫"。整个过程不需要读一行源码，下面按步骤带你走一遍。

原理速通：给模型的"生词本"贴一个新词

把模型的词表想象成一本已经印好的生词本：每个词对应一页解释。你不能撕掉重写，但可以贴一张便签——"这个词，以后就代表这只猫"。文本嵌入做的就是这件事：你挑一个占位符 token 当便签，然后拿你的照片反复"喂"它，模型就会把那张便签和猫的样子绑定起来。训练只改这一个词对应的向量，模型的其余部分原封不动。这套逻辑写在 modules/textual_inversion/textual_inversion.py 里，Embedding和EmbeddingDatabase两个类分别管"存/读一个嵌入"和"把嵌入注册进当前模型"，你了解个大概就够了。

准备清单：数据集怎么备、名字怎么取

开工前把四件事办妥，后面就能一路绿灯：

• 拉代码：git clone https://gitcode.com/GitHub_Trending/st/stable-diffusion-webui-forge，按正常方式启动 WebUI。
• 建数据集：在项目里建一个dataset文件夹，放进 5–20 张训练图。
• 统一尺寸：全部裁成 512x512，角度和光照尽量多样但主体保持一致。
• 写描述：每张图配一行文字，用[V]当占位符，例如a photo of [V] style。[V]的位置就是将来新词出现的位置。
• 取名字：嵌入名只能有字母、数字和下划线（如my_style），别用中文和空格，创建时会自动清掉非法字符。

训练实操：从建向量到出图，四步走完

建：在 Train 页创建你的第一个向量

打开 WebUI 的Train标签页，走一遍创建流程（背后调用的是 ui.py 里的create_embedding，实际建向量逻辑在 textual_inversion.py 的create_embedding函数）：

• 嵌入名称：如my_style。
• 初始化文本：填一个跟目标相近的概念，比如油画风格就填oil painting。这一步是给便签一个"起跑姿势"，填得越接近目标，收敛越快。
• 向量数量：简单概念选 1，复杂风格选 4。

创建成功后，会生成一个.pt文件落在embeddings目录，这就是待训练的新词。

定：参数这样配，新手不翻车

跑：盯住 Loss 曲线判断好坏

点开始训练（对应train_embedding入口），页面上会出现实时损失值。健康的走势是：Loss 稳步下降，最后稳定在 0.05 以下。如果中途手动停止或正常跑完，训练会自动把结果存成embeddings里的[名称].pt，不用你手动保存。

验：在生成界面用新标签出图

切回 txt2img，在提示词里用尖括号调用新词：

a photo of <my_style> landscape with mountains

出图稳定、主体一致，就算验收通过。

调优手册：效果差时依次试这三招

1. 补样本：再拍几张不同角度、不同光照的图加进dataset，信息量上去了，概念才立得稳。
2. 换学习率策略：把固定学习率换成调度器（比如余弦退火），前期大步探索、后期小步精修，通常更稳。
3. 开自动裁剪：训练界面开启 auto-crop，项目自带的裁剪逻辑（见 autocrop.py）会自动把主体框出来再训练，减少背景干扰。

踩坑急救包：常见现象对应处理

现象：训练直接崩、显存爆掉→ 开 Low VRAM 模式；批次大小压到 1；关掉训练过程中的预览生成；顺手清理tmp目录的临时文件。

现象：训练 Loss 很低，但生成结果僵硬、千篇一律（过拟合）→ 减少训练步数，或加入正则化样本（放几张"无关图"陪跑）。

现象：AI 把两个概念搅在一起，出的图四不像（概念混淆）→ 多半是初始化词没选好，换一个更贴切的初始化文本重建向量重训。

现象：同一批提示词，时好时坏→ 回头检查数据集：光照、角度是否太乱，主体占比是否太小。统一一下再来。

收尾：分享你的模型，以及下一步

训练产物就是一个小文件：把.pt发给朋友，让他丢进自己项目的embeddings目录，刷新即生效——整个分享流程如此简单。

顺带一提，load_from_file 除了读.pt/.BIN/.safetensors，还支持把嵌入数据塞进 PNG 图片元数据里（实现见 image_embedding.py），方便打包分享。

想再往前进一步，可以看看这两个方向：

• 叠加 LoRA：文本嵌入负责"是什么"，LoRA 负责"怎么画"，两者混用效果更好，相关代码在 packages_3rdparty/webui_lora_collection。
• 混合训练：风格嵌入 + 物体嵌入一起跑，让"你的画法"和"你的角色"同时学会。

第一次训练翻车很正常，把数据集备好、参数按表格填，跑通一遍你就掌握了 Stable Diffusion WebUI Forge 文本嵌入训练的完整闭环。

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