在liblibai平台训练稳定lora模型需严格按三步闭环：素材规范处理（20–50张正方形图、统一命名、英文标签、禁用heic）、底模匹配（依风格选sd1.5/sdxl/foundation1.0并关闭混合精度）、参数分层校准（repeat设5–8、学习率3e-4或4e-4、batch size×梯度累积=8–12、启用正则图）。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
在LiblibAI平台上训练一个能稳定出图的LoRA模型，必须严格按顺序完成素材规范处理、底模匹配、参数分层校准三步闭环，跳过任意环节都可能导致loss崩溃或生成图严重偏色。
准备20–50张正方形同风格图
先用Photoshop或在线工具（如birme.net）将所有图片裁成768×768或1024×1024像素的正方形，【禁止用长图直接拉伸填充，会导致线条扭曲、比例失真】。
文件名统一用半角下划线连接数字序号与英文描述词，例如01_ink_wash_scholar.jpg，严禁出现中文、空格、冒号、全角标点。
每张图单独配一个同名txt标签文件，用英文逗号分隔关键词，可加权但不写颜色词——比如(long_hair:1.2),不要写black_long_hair。
上传前检查iCloud下载的图是否被自动转为HEIC格式，这类图平台无法识别，必须手动另存为JPEG。
选对底模并关闭混合精度
进入“赛博丹炉”→点击左侧“训练LoRA”，根据训练目标选底模：
人像/ACG风格选SD1.5，写实场景选SDXL，PVC/金属材质选Foundation1.0。
在简易参数面板中，保持“单次张数”为15，“循环轮次”设为8，模型效果预览提示词必须含触发词，例如ink_wash, scholar figure, soft ink gradient。
【务必关闭“混合精度训练”开关，该选项在LiblibAI云端环境中极易引发NaN Loss，训练到第3轮就中断】。
高级参数分步调优
第一步：展开“高级参数”面板，将Repeat设为5～8（若素材仅20张以下，直接设为8）。
LiblibAI 是专注于AI图像创作的模型与工作流平台，汇聚海量风格模型、LoRA、ComfyUI工作流和创作者作品，支持在线生成、模型训练、作品发布与灵感交流，帮助设计师、插画师和内容创作者更高效地完成视觉创意。
第二步：学习率填入3e-4（风格类）或4e-4（角色类），调度策略选cosine with warmup，【严禁使用固定学习率，否则loss会剧烈震荡】。
第三步：按GPU型号设Batch Size：A10卡填2，V100卡填4，再同步调整梯度累积值，使Batch Size×梯度累积=8～12。
第四步：启用正则图功能，上传5～10张同风格但不含主体特征的背景图，用于约束泛化边界。
裁剪打标必须人工校验
方法一：平台自动裁剪后，逐张点击查看裁切框是否完整包住主体，尤其注意手部、发梢、衣摆等易被切掉的细节。
方法二：自动打标生成的tags需人工删减，去掉重复词、颜色词、无关背景词，保留3～5个核心特征词即可。
这一步不能跳过，平台自动打标常把“sky”“floor”“blurry background”当成有效特征，不清理会导致模型学偏。
启动训练并监控loss曲线
确认所有参数无误后，点击“开始训练”，系统自动分配GPU资源并启动。
训练过程中实时观察loss曲线，正常走势是前100步快速下降，之后缓慢收敛，最终稳定在0.22～0.28区间。
若loss在0.4以上反复横跳超200步，立即暂停训练，返回检查标签文件是否含中文逗号、图片是否混入非正方形图、触发词是否漏写。
