需准备20–50张同主题同风格正方形图：20张为过拟合临界点，超50张易因风格不一导致混杂；人脸迁移可缩至15–20张但须全正面无遮挡；图少则repeat设7或做微扰增强（禁镜像）；图多效果差需查主题统一性、来源一致性及清除exif信息。
☞☞☞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训练一个能稳定出图、泛化性良好的LoRA模型，必须准备20–50张同主题、同风格、构图一致的高质量正方形图片，少一张或多一张都可能让loss异常或生成图跑偏。
为什么是20–50张这个范围
20张是效果与效率的临界点：低于20张时，模型缺乏足够特征样本，容易过拟合，同一提示词反复生成几乎 identical 的图；超过50张则训练耗时陡增，且若新增图片风格不统一，反而污染特征空间，导致生成结果混杂。
人脸迁移类任务可压缩至15–20张，但【必须全部为正面清晰人像，无遮挡、无侧脸、无背影】，否则触发词生效后会出现五官错位或半边脸缺失。
数量不够怎么办
方法一：提高Repeat值补足学习强度。图少于20张时，Repeat必须设为7，不能填默认的5——这是平台对小数据集的强制补偿机制。
方法二：用同一张高清原图做轻微扰动增强（如微调对比度、加极少量高斯噪点、旋转±2°），但【严禁镜像翻转人脸】，否则模型会学到左右颠倒的骨骼结构，生图时出现单眼放大、耳朵错位等不可逆偏差。
数量够了但效果差？检查这三点
第一步：确认所有图是否真的“同主题”。比如训练“水墨仕女”，混入一张现代旗袍人像，哪怕只有一张，也会让标签权重被稀释，最终输出带塑料感的伪国风。
第二步：检查拍摄/截图来源是否一致。手机直拍+网页截图+PS渲染图混合上传，光照逻辑和锐度层级不同，模型会陷入特征对抗，loss在第4轮开始震荡上扬。
第三步：打开每张图的EXIF信息，删掉GPS坐标和设备型号——LiblibAI打标模块会误读这些字段，把“iPhone_15_Pro”当关键词学进去，污染整批标签。
