1/7
第 0 步 · 7 分钟
先对齐概念：GUI 并没有取消 LoRA
此步目标：知道 Unsloth Desktop 在替你做哪些事，哪些判断仍然要你自己做。
工具换了，训练对象没换
你仍然在给 SDXL 家族的写实底模打一份人物 LoRA 补丁。Unsloth Desktop 把环境安装、4-bit 加载、caption 表格、loss 曲线和导出收进一个窗口，但它不会替你挑检查点，也不会把训练集里没有的侧脸变出来。
2026 年起 Unsloth Desktop 可在 Windows / macOS / Linux 安装，支持为 SDXL、FLUX.2、Qwen-Image、Z-Image 训练 LoRA。本课跟原文对齐，先走 SDXL 人物，方便和 AutoDL 那条线对照着学。
同一件事，两种操作面
AutoDL + 脚本
- 租 4090，SSH 贴命令
- train.toml 预填参数
- 另开窗口看日志
- 适合要复现实验、改脚本
Unsloth Desktop
- 本机安装一个 App
- 四宫格：模型 / 数据 / 参数 / 训练
- 实时 loss 曲线
- 适合先跑通、少碰终端
互动 · LoRA 补丁
底模冻结，只训练一条窄通道
大方块是底模权重，训练时不动。下面两块小矩阵才是 LoRA：左边把特征压窄，右边再展开。窄到什么程度，就是秩。
底模 W（冻结）
A 8×16 · B 16×8
×
ΔW ≈ B × A，参数量约 0.1M（示意）
秩 rank = 16人物起步建议 16
能记住的细节
25%
背训练图的风险
0%
通道较窄：更像「记住一张脸」，不容易把某件衣服一起背下来。
测一下
在 Unsloth 里点了 Train，和在 AutoDL 里跑 portrait.py，主要差别是？