文档中心

图像生成大模型

LoRA模型训练

SeedEdit图像编辑LoRA训练

SeedEdit图像编辑LoRA训练

使用方式

基础文生图

入口：灵感广场-自研Seed系列

选择模型，输入prompt指令即可

LoRA训练-可支持2048分辨率训练

训练教程

Replay

Play

00:00 / 00:00 Live

00:00

Fullscreen

Cssfullscreen

1x

2x
1.5x
1x
0.75x
0.5x

Click and hold to drag

数据集压缩包示例

seededit3_test_6.zip

压缩包导入帮助	编辑前	编辑后	编辑指令
	0_org.txt	0_trg.txt	0_instruct.txt

配对数据构建

数据标准

变化过程必须符合目标效果定义，且尽可能统一，如差别较大，需分类后打标

对于原图和目标图，除需要改变的属性之外，尽可能保持图像信息高度一致（如清晰度、人脸、背景、服饰、颜色风格、纹理等一致性）

覆盖场景尽量符合落地场景，若希望全场景覆盖，可构建人像、宠物、风景、近景、远景、特写等配对数据

分辨率高于1k，长宽比尽量贴近落地场景。（可考虑使用AIGC SR服务提升分辨率）

数据量在保证符合以上标准的情况下越多越好，一般要求大于50对

配对数据构建方式

可以搜集目标图（或输入图），然后始终seededit/dreamedit workflow生成输入图（或目标图），从而构建配对数据。

也可以训练t2i lora通过controlnet/inpainting等worfklow链路构建配对数据

编辑区域	技术链路	数据链路
风格化	t2i lora + controlnet workflow
只变局部区域	t2i lora + inpainting
只变局部区域	Dreamedit反向造数据

文本打标

文本打标方式，分为普通标和特殊标，以下图配对数据为例，打标可有两种方式，

特殊标：把头发变成dasfafwrqwewq

普通标：把头发变成杀马特

以经验来看，越贴合编辑模型直出的描述会越容易学会（lora只作为一个加强效果和提高稳定性的功能）。

编辑指令尽可能简洁、直接，可以描述一个general的编辑目标：比如美化人像、美化人脸，也可以是一个具体的目标：比如将发型变成波波卡。before caption 是详细的输入图描述，after caption 是详细的输出图描述；其中，after caption 和 before caption 的句式结构、语法相似，只在描述编辑内容的区域有差异。

指令可以理解为遗忘训练lora的触发词，可以是固定的（对应打标的图像+指令），也可以是不固定的（对应打标的图像模式）；不固定的指令应该拥有相似的句式：比如“把xxx变成xxx”。

推理时，设计师需要定制PE节点，根据输入图和lora，调教VLM能够输出类似训练数据的 before caption、after caption；如果编辑指令不固定，还要求 vlm 输出对应 before/after 差异、且结构相似的指令。

训练参数

参数模块	参数名称（中英文）	对应基模	图片	组件形式	参数释义	参数范围	默认值
训练参数	批量大小（gradient_accumulation_steps）	SeedEdit 1.6		横杆拖拉	每一步迭代的批处理文件量，即train batch size	Int 1-16	4
		训练步数（num_training_steps）	SeedEdit 1.6/3.0		横杆拖拉	最大训练迭代数，训练累积到该步数即结束，按照经验3000-4000步lora效果最佳，换算公式epoch = (stepbatch_size) / (图片数量 repeat)	Int 1000-10000	4000
		DiT 学习率 (learning_rate)	SeedEdit 1.6/3.0		输入框	DiT模型学习率	float 0-1	0.00001
		VLM 学习率 (vlm_learning_rate)	SeedEdit 1.6		输入框	VLM（可以理解为就是语言模型部分）模型学习率	float 0-1	0.000001
		网络维度 (lora_rank)	SeedEdit 1.6/3.0		横杆拖拉	较大的网络维度会增加模型的大小，有助于捕获更多的特征和细节，但太大会导致过拟合。较小的网络维度值可能会减少模型的大小，适用于小数据集的情况。	1-1024	64
		参数版本（dit_lora_mode）	SeedEdit 1.6		下拉框选择	可选["v1", "v2", "v3"]，参数量v1<v2<v3，通常使用v1，数据量较大可以尝试v2、v3	str ["v1", "v2", "v3"]	"v1"
训练结果可视化和保存	每N步保存一个LoRA（save_model_steps）	SeedEdit 1.6/3.0		横杆拖拉	每N步保存一个LoRA	100-10000	1000
		测试步数（test_steps）	SeedEdit 1.6/3.0		横杆拖拉	中间可视化输出使用的模型推理步数	Int 8-30	16
		训练集测试步数(val_per_iters)	SeedEdit 1.6		横杆拖拉	支持训练过程中的中间模型可视化结果输出，该参数代表每间隔多少步使用当前模型推理一次训练集结果	Int 100-10000	1000

最近更新时间：2025.08.29 22:56:38

这个页面对您有帮助吗？

有用

有用

无用

无用