いい質問！“私のLoRA（100枚）の影響がどれくらい強いか”を、主観だけじゃなく数値でも把握するやり方をまとめたよ。手早い順に並べます。

まずは超カンタンな体感テスト（必須）

1. LoRA重みスイープ

   • seed・ControlNet画像・解像度を固定

   • LoRAのstrength_model/clipを 0.0 → 0.4 → 0.8 → 1.2 → 1.5 と段階的に変えて生成

   • 「出力がどの段であなたの質感に“切り替わる”か」を見る

     → 低い重みでも強く出る＝LoRA支配強い／高くしないと出ない＝ベース支配強い

2. LoRAオン/オフ差分

   • 同一条件で LoRA無し と LoRA=1.0 を出して見比べ

     → 形は同じで質感だけ変わる＝スタイル寄与

     → 形も流れも大きく変わる＝モデル寄与が強い

数値で測る（おすすめ：CLIP 類似度）

“学習データのスタイルにどれだけ近いか”をCLIP埋め込みのコサイン類似度で測ると、影響の強さが見える。

準備

• 学習に使った clean/ から 代表20–50枚 を小さめ（512px程度）に縮小しておく
• 生成画像は条件を揃えて LoRA off / 0.8 / 1.2 など数パターン×10–20枚ずつ用意

指標（かんたん版）

• sim_train(on) = 生成画像のCLIPベクトル ⟂ 学習画像ベクトルの平均 との類似度
• sim_train(off) = LoRAオフの同じ比較
• LoRA影響指数 = sim_train(on) - sim_train(off)
  • 目安：
    • +0.05以上 … かなり強く反映
    • +0.02〜0.05 … 反映あり
    • < +0.02 … ほぼベースモデル

もしやるなら、簡単なPythonスクリプト（open_clip_torch + Pillow）で一緒に作るよ。コピペで走るやつ用意する。

オーバーフィット検査（記憶してないか）

• 学習に使っていない手書き画像（未見データ）を1〜2枚用意
• img2img（低denoise 0.2〜0.3）で LoRAオフ と オン を比較し、PSNR/SSIM or 目視で再現度を確認
  • オンで著しく再現度↑＝LoRAがちゃんと学習寄与
  • ただし訓練画像の“丸コピー”はNG（メモリ化の疑い）