「是不是把图喂进去，它就会画了？」这问题老被问到，其实训练没那么玄。
我的理解是：模型本质在学图片和描述之间的对应关系。训练就是让它反复看大量图文对，一边看一边调整内部参数，让预测越来越准。
LoRA 这类小训练不动大模型主干，只在旁边挂一小撮可调参数。几十上百张同风格的图，就能把它往某个画风或角色上带，所以成本低很多。
数据质量比数量要紧，标注乱、图脏，练出来就飘。学习率、步数这些我还在摸索，调猛了容易过拟合，出来的图一眼就是在背图。
理解不一定全对，搞训练的欢迎拍砖。
过拟合背图这点太真实了，一放大就露馅
标注吃过亏，触发词写得不统一，练完出图时灵时不灵