AI绘画训练通常涉及以下几个步骤：

1、数据收集：首先，你需要大量的图像数据来训练模型。这些数据可以来自公开的数据集，也可以是你自己收集的图像。

2、数据预处理：在训练之前，需要对图像进行预处理，包括调整大小、归一化、裁剪等操作，以确保所有图像具有相同的格式和尺寸。

3、选择模型架构：根据你的需求选择合适的深度学习模型架构。常见的用于生成图像的模型有GAN（生成对抗网络）、VAE（变分自编码器）等。

4、训练模型：使用准备好的数据集训练模型。这一步可能需要大量的计算资源和时间，特别是对于大型数据集和复杂模型。

5、超参数调优：调整模型的超参数以获得最佳性能。这可能包括学习率、批量大小、迭代次数等。

6、评估模型：使用测试集评估模型的性能。常用的评估指标包括PSNR（峰值信噪比）、SSIM（结构相似性指数）等。

7、生成图像：一旦模型训练完成并经过验证，就可以用它来生成新的图像了。

8、后处理：生成的图像可能需要进一步的后处理，如增强对比度、锐化边缘等，以提高视觉效果。

如果你是初学者，可以从一些开源项目和教程开始，逐步了解和掌握AI绘画的技术细节。