引言
一旦你掌握了有效的方法，使用Leonardo.Ai来训练自己的图像生成模型将是一种极具成就感的体验。模型微调，这是它的正式名称，是一项强大的功能，它允许你根据自己的风格需求定制输出结果。在游戏开发和概念艺术等领域，风格的一致性至关重要，这一功能尤为理想。
无论你是想要制作游戏资源、项目概念图，还是仅仅为了娱乐，理解人工智能和机器学习的基础知识都能帮助你充分利用Leonardo的模型训练功能。现在，让我们一起探索一些最佳实践，以优化你的模型训练体验，并提供一个详细的指南，帮助你获得最佳成果。
训练前注意事项 下面这些因素在成功训练模型时至关重要，请仔细阅读，并尽可能严格遵循每一项建议。
图像数据集的关键作用
人工智能图像模型通过分析大量图像集合，也就是数据集来进行学习。这些数据集在所选领域内应尽可能多样化，涵盖不同的角度、光照条件和场景，以便模型能够泛化到新的、未见过的数据。唯一需要注意的是图像的尺寸比例，应尽可能保持一致（例如768 x 768）。
防止过拟合
过拟合是机器学习模型训练中的一个重要问题。它发生在模型过于精确地学习了训练数据，导致在新的、未见过的数据上表现不佳。这通常是因为训练数据集太小或缺乏足够的多样性。为了避免过拟合，关键在于提供一个强大且多样化的数据集，同时保持与训练主题的一致性（例如面部素描）。因此，建议充分利用允许的40张图像范围。
图像质量至关重要
数据集图像的质量不仅是一个额外的优势，而是训练过程中的必要条件。你的图像是模型理解和输出的基础。因此，始终选择最高分辨率和质量的图像。质量较低的图像或带有水印的图像可能导致结果模糊不清或不准确。初始数据的质量越高，模型的准确性就越高。
保持一致性和风格
在数据集中保持一致的风格至关重要。无论你是在训练模型识别面孔、动物还是无生命的物体，风格的一致性、格式和宽高比都会显著影响模型的有效性。因此，在挑选构成数据集的图像时，务必考虑这些因素。
变化
一致性和风格的延伸是变化。图像中的变化元素会被模型以更宽松的方式学习，这使得模型能够将训练对象（一致的元素）放入新的风格和上下文中。遗憾的是，变化与一致性之间的最佳平衡没有固定答案，需要通过实验来探索。
关键考虑因素：
一致性 - 角色位置、风格和图像构图。
变化 - 角色本身和他们的服装。
错误数据集 ❌
良好数据集 ✅
逐步训练指南：
第1步: 创建数据集
1.1 从主页进入训练和数据集：
2. 点击‘创建新数据集’或'新数据集'来创建你的数据集。
3. 为你的数据集命名。
4. 向数据集添加图像：（记得考虑上述因素）
5. 图像可以通过上传或从Leonardo的画廊中选择。
6. 仔细检查图像是否符合你的主题或兴趣点。
第2步：训练你的模型
1. 填写模型的元数据，以便于分类和检索。这包括模型名称、类别和提示实例等元素。（提示实例是一种帮助模型产生预期输出的简单方法。例如，对于素描风格的模型，它可能是'一幅...的素’）
2. 准备好后，点击**'开始训练'**按钮。
3. 训练完成后，你会通过电子邮件收到通知。（通常需要30分钟到2小时，具体时间取决于模型的复杂性）。完成后，模型将在微调模型 > 你的模型下可用。
第3步：生成图像
1. 进入微调模型 > 你的模型。
2. 点击你刚刚训练好的模型。
3. 输入你想要的提示词并生成图像。
4. 观察生成的图像如何捕捉训练图像的精髓，与你的数据集的风格和偏好保持一致。如果结果不符合预期，你可以通过进入训练和数据集，选择你的模型并点击**编辑数据集**来进行重新训练。你可以删除或替换图像，然后选择让模型重新训练。
5. 请注意，如果你想删除一个模型，首先进入微调模型，然后将鼠标悬停在你的模型上，选择选择 > 删除此模型。
这就是我们详尽的微调模型训练指南 - 希望你觉得它有帮助！请记住，我们一直在不断增加新功能并改进旧功能，所以请定期回来查看更新或训练模型的新方法。
