练了两次感觉都是差强人意，有两个问题请教各位大佬
画风LoRA的数据量是否多多益善？若动作、部位重复度较高，增加数据是否仍有实际收益？训练集扩大后，步数（Steps）和轮数（Epochs）应如何动态调整，才能充分消化新增数据？
举个例子，我训练集有863张训练集，跑了5轮共2w步（没有拟合）但是我感觉这每张图片学习的次数比较少，是否真正吃透训练集内容
之所以疑惑是阿尼玛学习的确实快，两千步左右其实基本能看，但是你知道的训练集中有部分特殊动作（比较少）这部分学习就相对一般

训练曲线到后面基本都是平缓下降，2w步我记得是0.077左右，现在不知道改怎么调整了

1.数据增加是有助于提高lora表现力的，但是有前提。
2.数据最好是高质量高分辨率没有伪影这些东西，如果增加太多低质量数据反而带坏模型的画风，导致生成的图像带有严重的伪影或者扫描痕迹。
3.数据应该具备多样性，从构图、人物数量、性别、背景、动作、表情各方面都需要进行解耦。假设你数据在某方面趋于一致，比如只有单人图没有多人图，那么在最终lora中生多人图就会很挣扎，或者只有girl没有boy，那么生成的boy也会趋于girl化，这就是模型在某方面过拟合了，是数据不够多样化导致的。但如果你的模型就只是为了生成girl，不考虑boy，那么这种过拟合就可以忽略。
4.数据量的提高有边际效应，到了某个点再提高数据没多少效果。我自己测试是从100到400张图片效果有明显提升，超过400张提升不再明显。
5.数据可以采用多分辨率训练，比如同时在512x512, 1024x1024, 1536x1536三种分辨率上进行训练。在数据量不足情况下可以保证一些低分辨率图片加入进来，并且不需要对图片进行拉伸。如果追求细节，应该增加1536x1536分辨率图片的数量。
6.batch size的设置决定了最终模型在细节上的表现力，如果愿意用时间换质量，其实batch size = 1是最好的，模型拥有最高的细节，但我个人喜欢用batch size = 2，算是在速度和细节之间做平衡。batch size = 4会导致细节部分丢失，并且根据分桶原理部分桶中图片如果不是4的整数倍还会发生图片丢弃导致某些图片无法被学习到。
7.画风训练训练的是画风，如果训练集中的其他概念被训练进来其实是失败的，典型的就是某些动作。如果你的模型在prompt不变的情况下更换seed仍然没有很大变化，人物动作总是那么几个或者直接就固定一个，那就是过拟合的信号，模型失去了多样性。如果这是你想要的效果那没问题，但一般来说，画风lora都是配合其他lora使用，比如某些概念lora或者动作lora，在动作方面过拟合会干扰其他lora的发挥。

比起数量应该是质量更好，我实际训练集六十多张图炼画风都有很不错的效果

质量大于数量，类型覆盖尽可能全面，剩下就是打标跟模型自身学习能力问题了

不知道，我感觉700步左右效果是最好的既没有过拟合而且也学到了笔触