一、标签是 LoRA 的说明书

训练时模型学的不是「这张图好看」，而是「这张图 ↔ 这串标签」的对应关系。 标签就是你给模型写的说明书。 写多了会抢概念： 每张图都写 1girl, portrait, long hair, blue eyes, smile, outdoors, tree, sky， 模型会把注意力分散到这些词上，你真正想让它学的那个风格反而学不进去。 写少了学不到：只写 portrait，模型不知道这张图和别的肖像有什么区别。 经验区间：单图 5 到 15 个标签。 画风 LoRA 取下限，人物 LoRA 取中上限（因为人物要区分发型、瞳色、服装这些具体属性）。

二、触发词：一个词的开关

触发词（trigger word）是你自己起的、词表里原本没有的词，比如 mystyle、ohwx、zkz_style。 它的作用是当开关：调图时写这个词，才唤起你训的这个东西。 规则只有一条，但是硬的：每张图的标签里都必须包含触发词。 漏一张会怎样？那张图在训练时学到的信号是「这个风格和触发词无关」——它在反向拆你的开关。 漏得越多，开关越弱。漏到三成，触发词基本就失效了。 Demo 里 32 张漏了 3 张（9%），已经足以让触发词的效果明显打折。 而这件事不会有任何报错：文件都在、训练也跑完了、样图也出了，只是你调用的时候喊不动它。

三、密度与长尾

把 32 张图的标签统计出来：

四、WD 标签器的用法，和生成之后必做的一件事

WD 标签器（WD14 Tagger）是一个多标签图像分类器，输出 danbooru 风格的英文标签。 它替代的是「一张张手打标签」这件苦活。 📋 实操清单： 在训练器的「WD 标签器」页填图片目录 → 选模型（wd14-convnextv2-v2 是常用档）→ 阈值填 0.35 → 勾上「追加触发词」并填入你的触发词 → 点开始。 阈值是唯一的旋钮：调高标签变少（漏标），调低标签变多（噪声）。0.35 是社区常用起点， 然后看结果再调。 🐍 沙箱等价物：这一节没法装 WD 标签器（要下模型）， 所以 Demo 做的是「生成之后的那一步」——体检。真实流程里，标签器跑完立刻就接着跑这段脚本。 体检四件事，缺一不可：① 每张图必含触发词；② 单图标签数落在 3 到 15； ③ 唯一标签数别太少（少于 20 个说明区分度不够）；④ 出现不到 3 次的长尾清掉。

五、动手 Demo：标签体检：32 张图 151 个标签，触发词漏了 3 张

造 32 张图的标签集（大部分带触发词，故意让 3 张漏掉、1 张只剩一个标签， 并混入 car 与 Car 两种写法），统计标签总数、唯一标签数、单图标签数的分布、每个标签的出现次数， 以及带触发词的张数和长尾标签的个数。

TRIG = u"mystyle"
for i in range(32):
    tags = [TRIG, u"1girl", u"portrait", u"simple background"]
    if i == 9:
        tags = [u"1girl", u"portrait"]              # 漏了触发词
    if i == 21:
        tags = [t for t in tags if t != TRIG]       # 漏了触发词
    if i == 28:
        tags = [u"portrait"]                       # 只剩一个标签
    raw.append(tags)

for tags in raw:
    per.append(len(tags))
    for t in tags:
        cnt[t] = cnt.get(t, 0) + 1
tail = [k for k, v in cnt.items() if v < 3]

实跑输出：

--------------------------------------------------------------------
标签体检：32 张图 151 个标签，触发词漏了 3 张
--------------------------------------------------------------------
  图片数                   32 张
  标签总数                 151 个
  唯一标签                 9 个
  单图标签数               1 ／ 5 ／ 8
  带触发词                 29 张

  标签                出现次数   占全部标签
  ----------------------------------------
  portrait                  32        21.2%
  1girl                     31        20.5%
  simple background         30        19.9%
  mystyle                   29        19.2%
  long hair                 10         6.6%
  blue eyes                  7         4.6%
  hat                        6         4.0%
  car                        4         2.6%
  Car                        2         1.3%

  几个要看的数：**单图标签数最少 1 个、中位 5 个、最多 8 个**。
  中位数是数据集的「密度」。SD 训练一般 5 到 15 个标签比较舒服。
  **少于 3 个标签的图，模型学不到东西，还容易被当成噪声。**
  长尾标签（出现不到 3 次）有 1 个：Car。
  **它们每个只出现一两次，模型学不会，还会稀释别的概念。**
  注意 `car` 和 `Car` 被算成两个标签——**SD 的词表对大小写不敏感，但你的统计脚本敏感。**
  最重要的一个数：**带触发词的只有 29 张，也就是漏了 3 张。**
  触发词是 LoRA 的「开关」。**哪张图没写，训练时就会学到「这个风格和那个词无关」。**
  结果是你调用时喊它没反应。**这个错最难查，因为文件都能训完。**
  校验规则只有一条：**每张图的标签里必须包含触发词。**一行代码，能省掉一整轮返工。

done -> _out_39j.txt

先看单图标签数那一行：1 ／ 5 ／ 8，也就是最少 1 个、中位 5 个、最多 8 个。 中位 5 落在「5 到 15」的下沿——这份数据偏稀，还勉强及格。 那个「最少 1 个」就是第 29 张（i == 28），只写了 portrait。 只有一个标签的图，模型基本学不到东西，还容易被当成噪声。 长尾只有一个 Car（出现 2 次）。 注意 car 出现 4 次不算长尾，Car 出现 2 次算——同一个概念被大小写劈成了两半， 统计脚本认为是两个，训练时的词表认为是同一个。 最下面是结论：带触发词的 29 张，漏了 3 张。这三张里两张是「漏写」， 一张是「整段标签只剩一个」。它们都能训完，都不会报错。 所以打标签这件事的验收标准应该只有一条： 每张图的标签里必须包含触发词，用一行代码断言。assert all(TRIG in t for t in raw) —— 一行， 省掉一整轮返工。

30 秒实验

1. 把「每张随机丢 30% 标签」模拟成标签器的低阈值，看单图标签数掉到多少、有多少张低于 3 个。 阈值调低不是更全，是更脏。
2. 把 car 和 Car 统一成小写再统计，看唯一标签数和长尾各变多少。 唯一数从 9 掉到 8，长尾从 1 个变 0 个——一次归一化就清干净了。
3. 给漏触发词的那 3 张补上 mystyle 重跑，看表格哪一行变了。 只有「带触发词」那一行从 29 变 32，其余全不动。

常见误区

1. 「标签越多越好」。标签会抢概念，单图 5 到 15 个，画风取下限。
2. 「触发词写不写都行」。漏一张，那张图就在反向拆开关。漏到三成，触发词基本失效。
3. 「大小写不影响统计」。训练词表不敏感，统计脚本敏感，会误判出多余的长尾标签。

图和标签都齐了，最后一步是把这些路径填进配置。而配置里最难发现的错，是那些「不报错」的错。

• ☐ （本节完，下一节 7.1.5 设置底模文件和数据集路径）

相关笔记

• 准备与整理训练数据集
• 创建和添加自定义标签
• 设置底模文件和数据集路径
• 🧠 AI训练师手册2 · 索引