必须按数据量、底模类型和训练目标动态匹配参数，不能套用固定模板；基础参数设单次张数15、循环轮次8，关闭混合精度训练；高级参数需协同调整repeat（5–8）、epoch（5或8）、学习率（3e-4/4e-4）及batch size×梯度累积=8–12，并统一分辨率与正则图。
☞☞☞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“赛博丹炉”中启动LoRA训练时，参数填错会导致loss骤升、NaN中断或生成图完全偏离预期，必须按数据量、底模类型和训练目标动态匹配数值，不能套用固定模板。
基础参数设置（新手起步必调项）
进入“赛博丹炉”→点击左侧【训练LoRA】→选择底模后，先完成这三项关键配置：
1. “单次张数”设为15，“循环轮次”设为8，这是平台对20–30张图的标准组合，能兼顾收敛速度与特征泛化；若你只有12张图，直接点开“高级参数”，把Repeat拉到6以上，否则模型根本学不全主体特征。
2. “模型效果预览提示词”必须含触发词，例如训练水墨风格就写ink_wash, scholar figure, soft ink gradient；【漏写触发词会导致预览图完全不生效，且无法反向排查问题】
3. 关闭“混合精度训练”开关——LiblibAI云端环境对fp16支持不稳定，开启后大概率第3轮就报NaN Loss并中断。
高级参数调优（训练失败时的修复路径）
当loss曲线剧烈震荡、卡在0.8不动或生成图出现色块/扭曲时，需手动干预以下三组变量：
方法一：调整Repeat与Epoch协同值
① 打开“高级参数”面板 → 将Repeat设为5～8（素材＜20张时取7或8）；
② Epoch分别测试5和8两个值，保存两个版本模型后对比生成效果——Epoch=5出图快但细节弱，Epoch=8泛化性好但易过拟合小数据集；
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。
③ 总步数 = 图片数 × Repeat × Epoch，确保最终落在1200–4000区间，低于1000步模型几乎不学习，高于5000步显存溢出风险陡增。
方法二：学习率与调度策略
选“cosine with warmup”调度，初始学习率填3e-4（风格类）或4e-4（角色类）；【严禁填固定学习率，否则loss前10轮就崩盘】
方法三：Batch Size与梯度累积组合
A10显卡（24GB）设Batch Size=2，梯度累积=4；V100（32GB）可设Batch Size=4，梯度累积=3；目标是让Batch Size×梯度累积=8～12，这是当前平台最稳的吞吐窗口。
分辨率与正则图配置（决定训练成败的隐性门槛）
很多人跳过这步直接上传，结果训练完发现人脸变形、手部熔融——问题全出在这里：
1. 所有训练图必须裁成正方形，768×768或1024×1024二选一，且上传前用PS或在线工具确认未被非等比拉伸；
2. “训练分辨率”必须与图片实际尺寸严格一致，比如你传的是1024×1024图，这里就不能选768×768，否则底层特征提取层会错位；
3. 启用正则图：点击“添加正则图”，上传5～8张同主题但不同姿态/光照的通用图（如训练“水墨人物”，就传5张公开水墨画），这一步能防止模型死记硬背单张图的噪点和瑕疵。
