新手小白向——吐司模型炼制小攻略
首先：
打开吐司官网（https://tusiart.com/）进入模型训练界面:
第二步：
上传训练数据集，最好是准备好事先裁剪好的素材（素材分辨率最好是64的倍数），上传然后打标;
打标方式:
Flux的模型训练推荐使用自然语言英文打标；其他sd1.0或者1.5的底膜使用wd1.4的打标模型打标即可；
真人模型推荐用自然语言，二次元推荐用wd1.4;
第三步：
主要参数设置：
单张重复次数（Repeat）代表训练一轮模型学习这张图片的次数，
训练轮数（Epoch）代表，训练的总轮次，
一般（Repeat）乘以（Epoch）达到100以上就有一个比较好的模型训练成果。
两者相乘再乘以上传数据集的图片数量就等于总训练步数。
接下来要设置的是：
文本编码器学习率
Text Encoder learning rate
以F1的底膜为例，一般设置为：2e-6
Unet 学习率
Unet learning rate
以F1的底膜为例，一般设置为：5e-4
或者直接采用系统推荐的学习率参数
学习调度器选择：
优化器选择：
训练网格大小和alpha值设置：
这两者决定了你训练出来的模型的文件大小，以F1的底膜为例，一般数据集比较小时设置成16-8，或者是32-16就可以，前者保持在后者的2倍，数值设置越大训练的速度越慢，相对来说学习深度越高。
最后设置样图的大小和样图提示词：
噪声偏移及其他几种高级参数对F1的lora训练影响不大，保持默认值或者改成0都可。
别忘了添加你的触发词：
使用批量加标签加入触发词
第三步：
点击立即训练：完成你的lora训练吧！
第四步：
训练完成后选择符合你要求的模型，吐司可以保存十个不同轮次的模型，从中挑选出你喜欢的。
通过查看loss值看模型的拟合程度：
