hans

关于V预测本篇不对V预测的原理与机制进行详细介绍，默认您已具备一定了解。我们将聚焦于如何准备训练所需的各项资源，并使用秋葉训练器进行LoRA微调。所需准备在开始训练之前，需要准备以下三项核心内容：处理好的训练集秋葉训练器（基于本地部署的秋葉训练器）预训练的V预测大模型（V-Prediction Model）作为训练的底模，启动秋葉训练器启动秋葉训练器，进入主界面。在顶部导航栏中选择LoRA 训练 。选择专家，按照下图所示勾选关键选项：不同版本的训练器可能在界面和选项上略有差异。如未找到对应选项，可在自定义参数（ui_custom_params） 中手动添加，以确保设置生效。训练参数说明关于epochs（训练轮数）、batch_size（批量大小）以及优化器（optimizer）的配置，此处不再赘述。这些设置与之前训练Stable Diffusion XL 的LoRA 完全一致，您可沿用既有经验与参数配置。最后，在自定义参数（ui_custom_params）中添加：v2 = false，即可顺利开始训练。如果训练器界面中未提供与V-Parameterization 学习相关的选项，请手动在自定义参数（ui_custom_params）中补全以下设置：v2 = falsev_parameterization = truescale_v_pred_loss_like_noise_pred = true这样可以确保模型按预期启用V 预测机制并正确进行训练。请注意，自定义参数的格式取决于训练器的实现方式：如果参数采用TOML 格式，则使用如上所示的key = value 形式；如果使用的是JSON 格式，请改写为：{"v2": false,"v_parameterization": true,"scale_v_pred_loss_like_noise_pred": true}务必根据所使用训练器版本的要求选择正确的格式，以确保参数生效。