LoRA 训练数据集怎么准备才好用？Fizgig AI 标注、人脸裁剪与外观一致性过滤器 7 大技巧

【免费下载链接】FizgigFizgig — LoRA Fine-tune Studio for Klein 9B, Krea 2, MiniMax H3, Qwen Image 2.1, Anima Z-Image Turbo and Ace-Step XL: train, fine-tune, profile, repair and extract LoRAs LoKR for Image, Video Music Models项目地址https://gitcode.com/gh_mirrors/fi/Fizgig点击查看免费下载数据集质量直接决定 LoRA 训练效果。Fizgig 是一款免费开源的 LoRA Fine-tune 训练工作室支持 Klein 9B、Krea 2、MiniMax H3、Qwen Image 2.1、Z-Image Turbo、SDXL 等图像/视频/音乐模型内置AI 标注AI Captioning、人脸裁剪Face Crops、外观一致性过滤器Look Consistency Filter、Masked Training等一站式数据集准备工具。本文面向新手分享 7 个让 LoRA 训练数据集更好用的技巧帮你少走弯路。快速上手安装 Fizgig先克隆仓库并安装需要 NVIDIA RTX 30/40/50 系列显卡或 AMD ROCmPython 3.10–3.13git clone https://gitcode.com/gh_mirrors/fi/Fizgig cd FizgigWindows 上双击install_fizgig.bat再运行Launch Fizgig.batLinux 上执行python install_fizgig.py后运行./launch_fizgig.sh。模型文件在 Preferences 页一键下载。完整要求见 docs/INSTALL.md。技巧 1从 Start 页选对训练文件夹在Start页指定训练图片文件夹这是整个流程的起点。注意两点一文件夹一主题一个 LoRA 只教一个主题一个人物、一种风格或一套服装混在一起训练效果会互相稀释。善用子文件夹勾选 Training 页的Also train on its sub-folders大数据集可以按服装、形态、来源分子文件夹整理每个子文件夹使用各自的标注与缓存互不干扰详见 docs/TRAINING.md 的 Sub-folders 章节。 经验值人物 LoRA 通常 20–60 张图就够用关键是角度、光照、背景的多样性而不是数量堆砌。技巧 2Image Prep 批量整理图片进入Image Prep页一次性完成数据集卫生工作操作作用批量缩放Resize统一分辨率避免个别超大图拖慢训练转换 PNG统一格式训练更稳定人脸特写Face close-ups自动检测人脸并生成裁剪图见技巧 4官方文档 docs/TRAINING.md 特别指出一张紧凑的人脸裁剪图 一张全身照搭配使用能显著提升人物 LoRA 的表现。技巧 3AI 标注一键生成告别手写 caption手动给几十张图写标注非常痛苦。Fizgig 的Captions页用Qwen3-VL或零配置的 Florence-2自动写视角感知的训练标注支持 5 种可编辑的预设风格Trigger word触发词每条标注开头绑定你的触发词让模型学会词 这个人/这个角色Style 风格只描述画面中除主角外貌以外的一切让触发词干净地绑定主角长相——做人物 LoRA 推荐Custom 自定义用一句英文告诉模型该怎么写比如只描述服装不描述脸。几个加分选项Bilingual中英双语标注相当于文本级数据增强官方测试显示在 Klein 上能改善皮肤细节Static Caption All全部只用触发词适合风格类 LoRA标注列表支持搜索、分页、逐条编辑和Re-caption重新生成改完直接 Save。自动标注的源码入口在 src/fizgig/web/captions.py。技巧 4人脸裁剪让主角在数据集中突出Image Prep → Face close-ups会自动检测人脸并生成特写图人物数据集默认使用 InsightFace 检测器支持Largest / Male / Female三种性别定向——多人合影里只裁剪你的主角动漫 / Furry / 手绘角色默认检测器基本找不到画出来的脸需在 Image Prep 页的Anime/furry/drawn characters区块把 Face finder 切换为 YOLO 模型推荐 FdetailerLook match 切换为 DINOv2详见 docs/FACE_BACKENDS.md点Test face detection on one photo可以单张试检测确认框画对了再全量运行。人脸特写让模型在训练早期就看清脸是人物 LoRA 相似度likeness提升最快的免费技巧之一。技巧 5外观一致性过滤器一键揪出跑偏图数据集里混进几张不像这个人的图代练脸、风格突变、错放的照片LoRA 就会学歪。Look Consistency FilterImage Prep 页最后一张卡片可以自动帮你筛从文件夹里挑 3 张最能代表这个长相的图作为基线点扫描每张图与基线比对打分人物用 ArcFace动漫/furry 用 DINOv2最差匹配排在最前开启Auto-Suggest系统按中位数 − 1.5×IQR 自动标出离群图一键将标记图移入excluded_by_look文件夹——不会删除任何文件反悔随时捞回来。更妙的是扫描产生的分数会存为fizgig_look_scores.json训练时的look-outlier warm-up会读取它对真实但不常见的镜头大侧脸、极端角度先用低学习率热身等形象稳住再全量训练见 docs/KREA2.md。技巧 6Masked Training只教该教的部分黑白蒙版放在图片旁边白色部分重点训练、黑色部分少学甚至不学——LoRA 学的是人而不是人背后的房间。官方测试表明蒙版能显著提升角色 LoRA 的最终相似度并加快收敛。在Image Prep → Masks for masked training卡片里选择蒙版要覆盖的范围The person头发到衣服人物 LoRA背景大幅降权Just the face and hair只要脸连服装都不学Just the clothes服装 LoRA人不学脸还可以勾选Use SAM 3.1: masks from words直接输入person、the dog、red dress等词生成任意蒙版边缘比人体检测更锐利。点Make masks全文件夹一键生成CPU 上每张不到一秒然后在 Training 页打开开关 推荐值How much outside the mask counts保持 0.1保留少量背景上下文也可以开启prior preservation让蒙版外区域维持模型原生画风。完整参数见 docs/MASKED_TRAINING.md。技巧 7开训前 3 分钟自检清单按下 Start Training 之前按这张清单过一遍能省掉 90% 的返工标注全部就位没有 caption 的图Start 会直接拒绝开训并点名文件夹人脸检测已验证至少用 Test 按钮试过 2–3 张框都画在主角脸上跑偏图已移出Look Filter 扫描完成离群图已移走蒙版数量核对Training 页会显示Masks found for X of Y pictures有蒙版需求时数字要匹配Masked training 的源码见 src/fizgig/web/mask_edit.pySamples 页写预览提示词给其中一条提示词加一个数据集里没有的姿态或场景如从低角度回头训练时它一旦失守就是过训的信号——最后一个还能听它的 epoch 最值得保留。然后按 Training 页模型对应的 ✨ 预设开训训练中的相似度评分likeness badges会实时告诉你数据集教得怎么样延伸阅读文档内容docs/TRAINING.md数据集准备、子文件夹、Subjects 多人训练全解docs/MASKED_TRAINING.md蒙版制作自动 / SAM 3.1 / 手画与参数docs/FACE_BACKENDS.mdInsightFace / YOLO / ArcFace / DINOv2 选型与阈值docs/WEB_UI.md网页版界面、上传训练文件夹、手机监控一句话总结先用 Image Prep 整理与裁剪、再用 AI 标注批量写 caption、用外观一致性过滤器清洗离群图、最后叠上 Masked Training——按这 7 个步骤准备好的 LoRA 训练数据集相似度更高、收敛更快、翻车更少。赞分享【免费下载链接】FizgigFizgig — LoRA Fine-tune Studio for Klein 9B, Krea 2, MiniMax H3, Qwen Image 2.1, Anima Z-Image Turbo and Ace-Step XL: train, fine-tune, profile, repair and extract LoRAs LoKR for Image, Video Music Models项目地址https://gitcode.com/gh_mirrors/fi/Fizgig点击查看免费下载相关推荐Colossal-LLaMA 怎么准备 Tokenizer 与预训练数据并启动继续预训练Colossal LLaMA 怎么准备 Tokenizer 与预训练数据并启动继续预训练 本文解决的任务是用 ColossalAI 仓库中的 Colossa人工智能大模型分布式训练深度学习预训练微调模型优化MMagic 中 DF2K_OST 数据集准备全流程指南裁剪、标注与 LMDB 加速MMagic 中 DF2K_OST 数据集准备全流程指南裁剪、标注与 LMDB 加速 导读 本文是 MMagicOpenMMLab 多模态生成工具箱中 D媒体生成计算机视觉深度学习人工智能大模型Fooocus三步掌握AI图像生成零基础也能创作专业级视觉作品Fooocus三步掌握AI图像生成零基础也能创作专业级视觉作品 你是否曾对AI图像生成感到困惑复杂的参数设置、晦涩的技术术语、需要专业知识的提示词工程……人工智能AI 应用媒体生成计算机视觉本地部署上一篇当WSA落幕WSABuilds如何重构Windows的Android应用生态下一篇MCP协议入门Gen-AI-Experiments带你构建第一个Model Context Protocol服务器创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考