訓練自己的模型需要一定的編程知識和數據科學背景，以下是一些基本步驟：

收集數據：首先需要收集大量數據，包括你想要生成的圖像的類型、風格、特徵等。這些數據可以是真實的圖像，也可以是生成的圖像，但需要確保它們能夠代表你想要訓練的模型的特徵。

數據預處理：對收集到的數據進行預處理，包括圖像的縮放、去噪、對比度增強等。這些步驟有助於提高模型的訓練效果。

模型選擇：選擇適合你需求的AI繪畫模型，如卷積神經網絡（CNN）等。不同的模型具有不同的特點和性能，根據需求選擇適合的模型。

模型訓練：利用收集到的數據對選定的模型進行訓練。訓練過程中，需要設置合適的超參數、優化算法和訓練輪數，以達到最佳效果。

模型評估：評估訓練得到的模型的性能和效果，包括生成畫作的準確度、藝術性和與原始作品的相似度等指標。

模型優化：根據評估結果，對模型進行優化，包括調整網絡結構、調整超參數等。通過迭代優化過程，提高模型的性能。

以上步驟是訓練自己的AI繪畫模型的基本流程，具體實現需要一定的編程知識和數據科學背景。如果你不熟悉這些領域，可以參考相關的教程和文獻，或者尋求專業人士的幫助。