AI绘图训练模型是指通过机器学习技术，尤其是深度学习，来训练能够生成图像、进行图像编辑或风格转换等任务的模型。这类模型通常基于大量的图像数据集进行训练，并利用神经网络结构（如卷积神经网络CNNs、生成对抗网络GANs、变分自编码器VAEs等）实现特定功能。下面是创建一个基本AI绘图训练模型所需的一些步骤和考虑因素：

1、定义目标：首先明确你的模型需要完成什么任务，比如是生成新的艺术作品、将照片转换成卡通风格还是其他。

2、选择合适的架构：
对于图像生成任务，GANs（生成对抗网络）是一个非常流行的选择。
如果目标是特征提取或者分类，则可能更倾向于使用CNNs（卷积神经网络）。
VAEs（变分自编码器）适合用于学习数据分布并生成类似的数据样本。

3、准备数据集：根据项目需求收集或创建相应的图像数据集。对于大多数情况来说，高质量且多样化的训练数据对于获得好的结果至关重要。有时还需要对数据进行预处理，如调整大小、归一化等。

4、设置环境与工具：安装必要的软件库，如TensorFlow、PyTorch等深度学习框架；确保有足够的计算资源（GPU/TPU）以加速训练过程。

5、模型设计与实现：基于选定的架构开始构建模型。这包括定义网络层、损失函数以及优化算法等关键组件。

6、训练模型：使用准备好的数据集来训练模型。这一步可能需要多次迭代调整超参数以达到最佳性能。

7、评估与调优：在验证集上测试模型的表现，并根据反馈信息调整模型结构或训练策略。

8、部署应用：当模型达到满意的效果后，可以将其部署到实际应用场景中去。

值得注意的是，开发AI绘图模型是一个复杂而耗时的过程，涉及到很多专业知识和技术细节。如果你是初学者，建议从简单的项目做起，并逐步积累经验。同时也可以参考开源社区中的相关项目，那里有许多优秀的案例可供学习借鉴。