MosImage LoRA 训练 — AI Toolkit（云端）

使用 AI Toolkit 训练 MosImage 模型 LoRA，本教程训练 Base 版（也可直接在 SFT 版上训练）。本次示例为风格 LoRA（扁平色块风格），训练效果明显，速度也很快。

环境要求

• GPU：16G 以上显卡即可（3080 Ti 等 16G 以下显卡大概率不够用，容易爆显存）
• 推荐 3090 / 4090，4090 24G 不开量化也能跑
• 显存占用参考：4090 24G 约 17~19G（未开低显存模式）
• 本地使用：打开 AI Toolkit 界面后用 Easy Install 一键安装

快速开始（云端）

# 1. 部署 3090 / 4090（或 16G 以上显卡）实例
# 2. 打开 Jupyter Lab，复制第二条指令启动 AI Toolkit
# 3. 打开 AI Toolkit

数据集准备与打标

1. 新建 Dataset（可在 AI Toolkit 内新建，也可直接在 dataset 文件夹里新建再刷新）
2. 把图片拖进对应文件夹
   • 风格 LoRA：本教程用了约 100 张图片
   • 角色 LoRA：同样需要准备角色图片，但打标时不要描述角色外观特征

使用内置自动打标：

• 图像分辨率：768
• Token：512 或 1024
• Caption Prompt：直接使用镜像内预设的修改版官方 Prompt（官方提供 long / medium / short 三种描述详细度，按需选用，镜像已配置好对应版本，直接复制粘贴即可）

⚠️ 用镜像里已配置好的两个模型（4B / 8B）打标速度很快（约 10 秒/张，占用约 10G 显存）；如果换用其他未配置模型，会自动从远端拉取权重，耗时会明显增加。

打标注意事项（风格 LoRA vs 角色 LoRA）：

• 默认 Prompt 规格是为风格 LoRA准备的，会详细描述图片所有特征
• 训练角色 LoRA需要自行修改 Prompt，让它不要描述外貌、发色、瞳色等角色特征
• 训练风格 LoRA时，同样不要描述"笔触"或"是否为二次元/真人"这类风格本身的特征——这部分正是你想让 LoRA 学会的东西，描述出来反而会削弱学习效果

创建训练任务

在 Queue 页面可以直接克隆已训练过的配置（如本教程的 MosBase 配置）作为起点，重点修改以下内容：

1. 触发词：自动打标不含触发词，需要手动填写（任意好记的词即可）
2. 模型版本：
   • Base 版：保持默认（Openmos）
   • SFT 版：把模型路径文件名改成 SFT 对应的文件名
3. 量化 / 低显存模式：
   • 24G 显卡（如 4090）不需要开启
   • 显存不足（如 16G 显卡）报错时，开启量化和**低显存模式（Layer Offloading）**即可解决
4. 选择对应的 Dataset
5. 修改采样提示词为符合自己训练内容的描述

启动训练

设置完成后点击 Update。如果任务状态显示 Complete 不会自动运行，需要先点击标记为 暂停（Stopped），再重新启动，才会真正开始训练。