准备：收集数据
为了训练你所需要的画师的画风，你需要收集大量的该画师所绘制的插图，画风尽量一致
数据集预处理
为了能让训练的效果更好，我们需要用到webui新版本当中的deepdanbooru这一功能。
Deepdanbooru，是一款基于Danbooru的图片分析模型，通过输入图片，就可以分析得到该图片所对应的danbooru tag。
这一模型被webui用在了img2img的标签识别和数据集标注上。
通过对数据集进行标记，可以显著提升训练的效果
在KichangKim的Github库下载库，并将其丢在\你的webui文件夹\models\deepbooru下
而用整合包的用户 在webui-user.bat内“set COMMANDLINE_ARGS=”后面添加--deepbooru即可
如果deepdanbooru启用成功，你会看到在img2img界面中，Generate的按钮下出现了deepdanbooru的按钮
调整下Settings
可以使deepdanbooru输出的标签正常化，避免出现奇怪的问题
在Train-Create Hypernetworks里面创建好模型 之后对图片进行预处理和裁剪
生成反转图片和裁剪长图视情况而定。
点击Preprocess，过一会就能看到裁剪好的图和deepdanbooru识别的tag文本文件了
正式开始
在template当中输入hypernetwork.txt
确认你的vae已经弹出（未加载）后，来到训练界面，像这样填好你的训练参数
Hypernetwork选中你需要训练的那个。
学习率一般0.000005就行。
最大步数一般建议在20000步-35000步之间，太高会过拟合
预览Prompt根据喜好填写
点击“Train Hypernetwork”,开始训练
过拟合就在webui上停止训练即可
测试和生成
训练完成后，你的models/hypernetworks目录下应该会出现之前你训练的pt模型文件
进入Settings，找到stable-diffusion,点击蓝色按钮刷新，在列表里面找到你训练好的pt，选中，应用
正常步骤生成图片即可