问题背景：
首先，Fluxdev的Lora可以接入Kontext模型，但是效果非常差，网传通过模型相减再相加，强度调为1.5的方法，我测试效果也不大行，很容易造成最后出图崩坏。导致很多场景，例如产品换背景，换出来的背景有浓浓的Flux风格，很假。

但是，如果单用Kontext的参考图+结果图训练一些需要泛化性强的lora，会面临以下一些问题

1.训练集制作困难，以产品换背景为例，为了保证场景的泛化性，你需要制作N多背景不一样的输入图和结果图的素材来保证背景的多样性，需要耗费大量的精力。

2.即使你制作完了，在Kontext的训练中，你既要保证产品的控制能力，又要保证场景被训练进去，还要保证不训练过拟合（基本不可能）非常难把握训练的步数和强度。

所以我研究了一种新的训练和结合方法：用Kontext训练一个场景泛化性lora，再用kontext训练一个控制lora，二者分开训练，单独加载，可控性更强。

我使用的工具是AItoolkit，你可以用其他训练工具
使用原FLUX.DEV的Lora训练脚本，将其训练的底模换为Kontext底模路径

开启分层训练用于加速（Rank设为64没有任何依据，为测试值，纯靠感觉，不一定为最好的值）

·只训练7和20，也可以训练其他层，具体青龙有一期视频，里面有说到一些层的影响，主要是为了防止多个Lora同时加载影响最后出图的结果，Flux使用多个lora很容易糊图

·学习率我测试的值为3E-4，5000步训练，4000步就有些过拟合了，可以酌情减小

我训练的素材是王者荣耀的一些画风素材，主要是学习一些乱七八糟的飘动的特效

从结果上看，确实是学到了，并且没有造成太大的画质影响

从结果上看，这种方法确实可以，但是边界在哪，还需要测试。