E-28 · LoRA 数据集准备(质量 > 数量)

1. 数据集 3 原则

1. 多样性:角度 / 表情 / 服装 / 背景
2. 一致性:主体清晰,角色可识别
3. 质量:构图好,光线好,无瑕疵

2. 学员图片清单

3. 标签写法

每张图配一个 .txt 标签文件。

格式:

xiaohong_girl, 1girl, long black hair, red eyes,
white qipao, smiling, garden, masterpiece, best quality
# 触发词 + 描述 + 质量词

4. 打标签工具

• BBoT / WD Tagger:自动打(学员 80% 用)
• 手打:精准但慢
• 混合:自动 + 手改

5. 数据预处理(Bucketing)

kohya_ss 自动 bucketing:把不同比例图分桶到统一分辨率。

• 竖图(9:16) → 桶 1
• 横图(16:9) → 桶 2
• 方图(1:1) → 桶 3

6. 学员数据集目录结构

train_data/
├── 10_xiaohong/
│   ├── 01.png
│   ├── 01.txt
│   ├── 02.png
│   ├── 02.txt
│   └── ... (15 张)
└── 20_xiaohong/
    └── ... (另一概念 LoRA)

7. 数据集禁忌

• ❌ 多角色同框(角色混淆)
• ❌ 模糊 / 曝光图
• ❌ 复杂背景(抢角色)
• ❌ 表情雷同(模型学不到变化)

8. 学完能做啥

• 能准备玉哥级数据集
• 会打标签
• 懂 bucketing

9. 玉哥说