Een LoRA-model laten trainen, zo werkt het traject

Een LoRA-model laten trainen verloopt in een paar heldere stappen: dataset verzamelen, trainen op een GPU, testen en verfijnen, en de generatie-pijplijn eromheen bouwen. Dit artikel loopt het traject door.

Dit is een cluster van Wat is LoRA-training?.

Stap 1: de dataset

De kwaliteit van je model staat of valt met de dataset. Je verzamelt doorgaans 30 tot 60 referentiebeelden met variatie in:

hoek (voor, zij, driekwart);
belichting (studio, naturel, binnen, buiten);
expressie en pose;
context die bij het gebruik past.

Hoe diverser en scherper de dataset, hoe flexibeler het model later.

Stap 2: trainen

Training draait op een GPU (RunPod of Koyeb). Typische keuzes:

Onderdeel	Waarde
Basismodel	Flux.1 Dev of SDXL
Trainingstappen	1.000 tot 2.000
LoRA rank	16 tot 32
Trainingstijd	30 tot 90 minuten

Stap 3: testen en verfijnen

Na de training test je het model met promptvariaties op kleding, locatie, belichting en activiteit. Klopt het gezicht, product of de stijl consistent, dan is het model klaar. Zo niet, dan verfijn je de dataset of de instellingen en train je opnieuw.

Stap 4: de pijplijn

Een getraind model is pas de helft. De echte tijdwinst zit in de pijplijn eromheen: een workflow die op basis van een thema prompts genereert, beeld maakt, de beste selecteert en publiceert. Meer daarover in wat is een automation pipeline?.

Wat gaat er meestal mis?

Bijna altijd in de dataset, zelden in de training. Drie fouten komen het vaakst voor. Te weinig variatie, waardoor het model alleen werkt in de ene setting die het kent. Beelden van te lage kwaliteit, waardoor details zoals tekst of textuur nooit scherp worden. En vervuiling: andere personen, producten of sterke achtergronden die het model per ongeluk meeleert.

Een half uur extra besteden aan het selecteren en bijsnijden van je bronbeelden scheelt vaak een hele hertraining. Dat is de goedkoopste kwaliteitswinst in het hele traject.

Hoe onderhoud je een model?

Een getraind model is geen eindpunt. Verandert je product, je huisstijl of je personage, dan train je bij met nieuw materiaal. Ook als je een nieuwe toepassing wilt, bijvoorbeeld een setting die het model nog nooit zag, breid je de dataset gericht uit.

Leg daarnaast je beste prompts en instellingen vast, zodat je team hetzelfde resultaat blijft halen. Zonder die vastlegging krijgt iedereen na verloop van tijd net iets anders en verwatert de consistentie waarvoor je het model juist maakte.

Zelf doen of uitbesteden?

Je kunt zelf een LoRA trainen als je GPU-toegang en de nodige kennis hebt. Wil je een betrouwbaar, herbruikbaar model plus de software eromheen, dan besteed je het uit.

Hoe lang duurt een traject?

Het grootste deel van de tijd zit in de dataset. Zijn er al goede foto's, dan kan het verzamelen en selecteren snel. Moet er eerst een shoot komen, dan hangt het af van wanneer die gepland kan worden. Het trainen zelf duurt meestal uren, niet dagen. Daarna volgen een paar testrondes waarin je beelden maakt, beoordeelt en het model bijstelt. Plan in totaal een paar weken, waarvan het grootste deel bestaat uit voorbereiden en controleren.

Wat lever je aan, en wat krijg je terug?

Je levert de beelden aan, of de toegang tot het product of de persoon voor een shoot. Daarnaast een beschrijving van waarvoor je het model wilt gebruiken: welke settings, welke formaten en welke kanalen. Je krijgt het getrainde model terug, de instellingen en prompts waarmee de beste resultaten gemaakt zijn, een set testbeelden en, als je dat wilt, een eenvoudige tool waarmee je team zelf beelden maakt. De trainingsset blijft van jou.

Hoe beoordeel je of een model goed is?

Maak een vaste set testopdrachten: het onderwerp in vijf verschillende settings, van dichtbij en van ver, in verschillend licht. Beoordeel de beelden op drie punten. Herken je het onderwerp direct? Kloppen de details, zoals een logo, een vorm of een gezicht? En volgt het model de instructie, of maakt het steeds hetzelfde beeld? Een model dat op alle drie goed scoort, is klaar voor gebruik. Bewaar de testset, zodat je een nieuwe versie van het model later op dezelfde manier kunt vergelijken.

Een voorbeeld

Neem een denkbeeldige fabrikant van designlampen die zijn nieuwe collectie in tientallen interieurs wil laten zien. Van elke lamp worden foto's gemaakt, aan en uit, van alle kanten. Na het trainen blijkt in de testronde dat het model de kap goed weergeeft, maar het snoer steeds anders tekent. Met extra foto's van het snoer en een tweede trainingsronde is dat opgelost. Daarna maakt het marketingteam de interieurbeelden zelf, voor de site, de catalogus en de dealers.

Eén tip vooraf

Bewaar je trainingsset en je testopdrachten op een vaste plek. Dat is het waardevolste deel van het traject: daarmee train en vergelijk je elk volgend model.

Veelgestelde vragen

Kan ik het model op mijn eigen computer gebruiken? Dat kan als je een geschikte videokaart hebt en de software kent. Makkelijker is een webtool die het model voor je draait.

Werkt het model ook met nieuwe beeldmodellen? Een LoRA hoort bij één basismodel. Wil je overstappen naar een nieuw basismodel, dan train je opnieuw met dezelfde dataset.

Aan de slag

dGEN Productions traint je LoRA-model en bouwt de complete generatie-pijplijn, tot een eventuele webtool voor je team. Bekijk de dienst AI Visuals & LoRA of plan een gratis gesprek.

Meer over LoRA-modellen

Uit de blog

dGEN Productions, AI-bureau in Veldhoven, regio Eindhoven (Brainport), onderdeel van dGEN Labs. De Run 1141 (1e verdieping, nr. 12), 5503 LB Veldhoven · info@dgenproductions.nl · 06-87413056 · KvK 97916137 (eenmanszaak) · btw NL005295840B15