集团内部lora模型微调-纯CPU训练-数据集准备-分享篇

第一步：图片收集与筛选 (教学材料的核心)

1. 我需要准备哪些类型的图片？

您需要的是能够充分、纯粹地代表您品牌核心风格的图片。

• 来源：
  • 产品画册 (Lookbook)：这是最佳来源！图片质量高，风格统一，背景干净。
  • 电商网站产品图：也非常棒，特别是白底或纯色背景的模特图和商品平铺图。
  • 品牌广告大片：可以使用，但要小心。如果背景过于花哨或艺术化，可能会干扰模型学习服装本身。
  • 线下秀场图：可用，但要筛选掉背景复杂、灯光怪异、抓拍模糊的图片。
• 筛选标准 (非常重要！)：
  • 高清晰度：图片必须清晰，能看清服装的轮廓、颜色、材质和细节。最低分辨率建议 1024x1024 像素以上。
  • 主体突出：服装应该是图片的主角。避免多人合照、服装被严重遮挡、或者人物太小看不清的图片。
  • 风格统一：所有图片都应该能体现您品牌一以贯之的设计语言。不要混入其他品牌的图片，这会导致“风格污染”，让AI学串味了。
  • 背景简洁：优先选择纯色背景（白、灰、黑）或简洁的室内外场景。复杂的背景会成为“噪音”，让AI分心。
  • 多样性与平衡：在保持风格统一的前提下，尽量让您的“教学材料”丰富多样。
    • 产品类别：如果您的品牌有连衣裙、衬衫、裤子，都应该包含一些。但如果您只想先训练一个“连衣裙模型”，那就只用连衣裙的图片。
    • 设计元素：包含不同颜色、不同袖长、不同领型、不同裙摆的款式。
    • 拍摄角度：最好有正面、侧面、背面的视图，但以正面全身或半身照为主。
• 数量：对于LoRA训练，20到50张高质量的图片是一个非常好的起点。少于15张可能效果不佳，多于100张对于CPU训练来说可能过于漫长。质量远比数量重要。

第二步：图片处理 (统一教学材料的格式)

1. 裁剪与尺寸调整：
   • 将所有图片统一处理成正方形，推荐尺寸为 1024x1024 像素。
   • 裁剪时，确保服装主体位于画面中央。如果原始图片不是正方形，可以先裁剪再用白色或黑色填充两侧，使其变成正方形。
2. 文件命名：
   • 使用简单、连续的英文名。例如：
     • mybrand_dress_001
     • mybrand_dress_002
     • ...
     • mybrand_dress_030
3. 文件格式：
   • 将所有图片保存为 .png 或 .jpg 格式。.png 更常用。

第三步：精细化标注 (为每份材料写“注释”)

这是整个过程中最耗时但价值最高的部分。您需要为每一张图片创建一个与之同名的 .txt 文本文件。

黄金法则： 图片 mybrand_dress_001.png 必须对应一个 mybrand_dress_001.txt 文件。

文本文件 (.txt) 的内部格式：

文件内容是一系列用英文逗号隔开的标签 (tags)。这些标签就是您给AI助理看的“注释”。我们将注释分为两大部分：

A部分：触发词 (Trigger Word) - “这是我们的风格暗号”

• 这是最重要的标签，必须出现在每一个 .txt 文件的开头。
• 它应该是一个独特的、现实世界中不存在的词。这是为了防止和模型已有的知识冲突。
• 格式建议：品牌名_产品类别_style。例如：ellassay_dress_style。
• 这个触发词在所有标签文件中必须完全一致！

B部分：描述性标签 (Descriptive Tags) - “这件衣服具体长什么样”

这部分是向AI描述图片中的具体内容，让它学会把“风格”和“具体设计元素”分离开。这样，以后你就可以通过改变这些描述性标签来自由组合设计了。

建议的标签类别：

1. 主体内容: 1girl (一个女孩), solo (单人), full body (全身照), upper body (半身照)
2. 基础属性:
   • 季节: spring, summer, autumn, winter
   • 场合: business occasion, casual wear, evening party, daily wear
3. 服装核心设计元素:
   • 廓形 (Silhouette): a-line silhouette, h-line silhouette, x-line silhouette (收腰款), cocoon silhouette (茧型)
   • 颜色 (Color): white color, beige color, black, light blue, plaid pattern (格纹), floral print (印花)
   • 材质 (Material): silk material, cotton fabric, chiffon, wool, denim
   • 领型 (Collar): stand-up collar (立领), v-neck, round neck (圆领), lapel collar (翻领)
   • 袖型 (Sleeve): sleeveless (无袖), short sleeves (短袖), long sleeves (长袖), puff sleeves (泡泡袖)
   • 裙长 (Length): mini length (超短), knee length (及膝), maxi length (及踝长裙)
   • 其他细节: with belt (有腰带), ruffle details (荷叶边), pleated (褶皱)

示例演示

假设我们有两张图片：

图片1: ellassay_dress_001.png

• 是一条米色的、真丝材质的、立领无袖A字连衣裙，适合商务场合。

对应的 ellassay_dress_001.txt 内容应该是:

<TEXT>ellassay_dress_style, 1girl, solo, full body, business occasion, a-line silhouette, beige color, silk material, stand-up collar, sleeveless, knee length

图片2: ellassay_dress_002.png

• 是一条黑色的、棉质的、有泡泡袖的、V领H型连衣裙，适合日常穿着。

对应的 ellassay_dress_002.txt 内容应该是:

<TEXT>ellassay_dress_style, 1girl, solo, upper body, daily wear, h-line silhouette, black color, cotton fabric, v-neck, puff sleeves

关键点回顾：

• ellassay_dress_style 这个触发词在两个文件中都一样，且在最前面。
• 后面的描述性标签根据每张图片的内容而变化。
• 所有标签都用小写英文，单词之间用下划线 _ 或直接连写，标签与标签之间用逗号 , 隔开。

第四步：整理最终的训练文件夹

完成以上所有步骤后，您需要创建一个最终的文件夹结构，以便训练脚本能够读取它。

创建一个主数据集文件夹，例如 my_dataset。

在里面再创建一个子文件夹，这个子文件夹的命名有特殊格式要求，但为了简单，我们直接用触发词命名，例如 ellassay_dress。

将你处理好的所有 .png 图片和 .txt 标签文件，全部放进这个子文件夹里。

最终的文件夹结构应该是这样的：

<TEXT>

/home/your_user/my_dataset/

└── ellassay_dress/

├── ellassay_dress_001.png

├── ellassay_dress_001.txt

├── ellassay_dress_002.png

├── ellassay_dress_002.txt

├── ellassay_dress_003.png

├── ellassay_dress_003.txt

│ ...

├── ellassay_dress_030.png

└── ellassay_dress_030.txt

这个 ellassay_dress 文件夹，就是你在第四阶段训练命令中 --train_data_dir 参数需要指向的路径。