需通过leonardo ai微调功能创建个人图像模型：一、准备5–30张高清统一主题图；二、在training & datasets中创建并上传数据集；三、配置参数启动在线lora训练；四、训练完成后在finetuned models中启用验证；五、精度不足时可用kohya_ss本地训练lora后上传调用。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
如果您希望在Leonardo AI平台上创建专属于您个人风格或特定主题的图像生成模型，则需通过其内置的微调训练功能完成。以下是实现该目标的具体操作路径：
一、准备符合要求的训练图集
训练质量高度依赖输入图像的一致性与代表性，图集应聚焦单一视觉主题，避免背景杂乱、光照不均或主体比例差异过大，以保障模型学习到稳定、可复用的特征模式。
1、收集5–30张高清图像，主题必须统一（如同一人物多角度肖像、同种动物不同姿态、固定构图的插画系列）。
2、确保所有图像分辨率不低于768×768像素，背景尽量纯色或透明，主体居中且清晰无遮挡。
3、将图片统一重命名为英文+数字格式（如“chara_01.png”），存入本地文件夹，禁止使用中文、空格或特殊符号。
二、创建并上传数据集
Leonardo AI要求先将图像组织为结构化数据集，作为后续模型训练的原始输入源；该步骤在平台内完成，无需本地预处理或标注。
1、登录Leonardo AI账户，点击左侧导航栏【Training & Datasets】→【Your Datasets】。
2、点击【Create New Dataset】，填写英文名称（如“my_anime_style”）与简要描述（如“hand-drawn anime faces, clean line art”）。
3、进入【Edit Dataset】页面，点击底部【Upload Images】，拖入或选择已准备好的全部图像文件。
4、上传完成后，确认图像缩略图全部正常显示，无损坏或加载失败项。
三、启动在线微调训练
平台采用Stable Diffusion底模进行轻量级LoRA微调，全程托管于Leonardo服务器，用户仅需设定基础参数并触发训练流程。
1、在数据集编辑页点击【Train Model】按钮，弹出训练配置窗口。
2、在【Model Description】栏填写简洁英文描述（如“portrait style of a young wizard with glowing eyes”），不可为空。
3、保持其余参数为默认值：训练类型为“Standard Fine-tuning”，Epochs为默认3，Batch Size为自动匹配。
4、点击【Start Training】，系统开始排队并执行训练，耗时约20–40分钟，期间可通过【Job Status】查看进度。
四、启用并验证训练完成的模型
训练成功后，模型将以独立条目出现在您的微调模型库中，可直接用于图像生成，无需额外部署或切换环境。
1、训练结束后，系统发送邮件通知，并在【Finetuned Models】→【Your Models】中显示新模型卡片。
2、将鼠标悬停于模型名称上，点击【View】进入详情页，确认状态为Ready且版本号非0。
3、点击【Generate with this model】跳转至AI生成界面，此时顶部模型选择器将自动切换至该新模型。
4、在Prompt栏输入与训练主题强相关的英文提示词（如“anime girl, side profile, soft lighting, same style as training set”），点击【Generate】验证输出一致性。
五、使用kohya_ss本地训练LoRA后上传至Leonardo AI
当在线训练无法满足精度需求（如需控制笔触强度、保留手绘噪点、规避平台数据清洗）时，可借助本地kohya_ss框架训练LoRA权重，再导入Leonardo AI调用。
1、在本地安装Python 3.10、Git及CUDA兼容驱动，运行PowerShell（管理员）执行：Set-ExecutionPolicy -ExecutionPolicy RemoteSigned。
2、克隆仓库：git clone https://github.com/bmaltais/kohya_ss.git，进入目录后运行setup.bat初始化环境。
3、启动gui.bat，在【Train LoRA】页填入SD 1.5底模路径（如sd_v15.ckpt）、训练图集路径、输出目录，关键参数设为：Network Dim=32，Alpha=16，Learning Rate=1e-4。
4、训练完成后，定位至output/lora/目录下最新生成的.safetensors文件，登录Leonardo AI进入【Models】→【LoRAs】→【Upload LoRA】上传该文件。
5、在生成界面【Advanced Settings】中，从LoRA下拉菜单选择刚上传项，并将Weight值设为0.6–0.8以平衡风格注入强度与提示词响应度。
