必须严格遵循图像规格、命名规则、参数组合与人工校验四重约束——需手动裁剪为正方形、文件名用半角下划线、关闭混合精度、人工复核标签与构图，并依loss曲线及时停止训练。
☞☞☞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☜☜☜
要在LiblibAI上训练出稳定、可控、生成效果接近预期的风格类LoRA模型，必须严格遵循图像规格、命名规则、参数组合与人工校验四重约束，缺一不可——20张图上传后训练失败，大概率是裁剪没用正方形、标签里混了中文逗号或学习率填成了固定值。
准备20–50张合规训练图
这一步不能跳过自动裁剪，平台默认的“聚焦裁剪”会偏移主体位置，导致关键特征丢失。必须手动统一为正方形构图。
把原始图片全部拖进Photoshop或PixInsight，用“图像→画布大小”设为768×768像素（SD1.5底模）或1024×1024像素（SDXL底模），背景填充纯白；若原图非正方形，先等比缩放至长边匹配目标尺寸，再居中裁剪，【严禁拉伸变形】。
文件名改用半角下划线连接：01_ink_wash_landscape.jpg，02_ink_wash_landscape.jpg……不加空格、不用中文标点、不写“水墨风景”这类中文词。
所有图片保存为JPEG格式，压缩质量设为100%，避免生成伪影干扰特征提取。
设置基础参数并关闭混合精度
进入“赛博丹炉”→点击“训练LoRA”，在左侧选择底模：水墨/国风/厚涂选SD1.5；写实建筑/金属材质选SDXL；PVC/塑料质感选Foundation1.0。
简易参数面板中，“单次张数”设15，“循环轮次”设8，提示词框填入ink_wash, scholar figure, soft ink gradient —— 这三词必须前置，否则触发失效。
【务必关闭“混合精度训练”开关】，该选项在LiblibAI当前版本（v2.8.3）会导致loss突变为NaN，训练中途强制终止，且无错误日志提示。
调优高级参数应对loss震荡
若训练启动后loss曲线剧烈跳动（如0.8→0.3→1.1反复），说明基础参数已失稳，需立即进入高级参数面板干预：
第一步：将Repeat设为6（若图集仅20–30张）或8（若图集达40张以上）；
第二步：学习率填3e-4，调度策略选cosine with warmup，不要碰“固定学习率”选项；
第三步：Batch Size × 梯度累积 = 10，例如Batch Size=2 → 梯度累积=5，或Batch Size=5 → 梯度累积=2；
第四步：启用正则图（Regularization Images），上传5张同风格但不含主体的空镜图（如纯水墨晕染纸纹、空白宣纸特写），用于抑制过拟合。
打标与裁剪必须人工复核
平台自动打标会把“ink_wash”误标成“ink,wash”，逗号分隔变成关键词分裂，导致触发词失效。必须逐张点击“编辑标签”，手动修正为ink_wash, chinese_brush_stroke, rice_paper_texture。
裁剪预览页里，每张图右下角有蓝色“✔”标记，但这个只是系统判定主体存在，并不代表构图合格——要放大到100%检查：主体是否完整居中、边缘有无截断笔触、留白比例是否符合该风格惯例（如水墨讲究“计白当黑”，留白应≥40%画面面积）。
发现任何一张图边缘模糊、主体偏移或标签含全角字符，立刻返回重做，不要抱侥幸心理点“开始训练”。
监控loss曲线并判断训练完成
训练启动后，每2分钟刷新一次loss值，正常曲线应从1.5左右开始平缓下降，15分钟后稳定在0.22–0.28区间波动；若10分钟内loss卡在0.9不动，说明Repeat值过低或正则图缺失。
当loss连续5次刷新值差＜0.003，且最低值≤0.25，即可点击“停止训练”；此时最新保存的模型即为可用版本，无需等待全部轮次跑完。
