总步数必须严格控制在1200–4000区间内，计算公式为图片张数×repeat值×epoch值；低于1200则特征提取不全，高于4000易过拟合或loss发散；面部对齐增强时须固定为1200步且学习率0.0008。
☞☞☞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”中训练LoRA模型时，总步数过低会导致特征提取不完整、人脸崩坏或风格失效，过高则引发过拟合、显存溢出甚至loss发散为NaN——必须根据图片数量、底模类型和训练目标动态计算，不能直接填固定数字。
先算清总步数公式
打开“高级参数”面板，确认三项核心变量：图片张数（N）、Repeat值（R）、Epoch值（E）。总步数 = N × R × E。这个乘积必须落在【1200–4000】区间内。
低于1000步，模型几乎不学习主体特征；高于5000步，云端GPU大概率报错中断，且生成图会出现色块、扭曲或角度锁定——只认训练图那张脸，换姿势就崩。
例如你上传了24张对齐图：Repeat设6，Epoch设8 → 总步数=24×6×8=1152，略低于下限，需把Repeat调至7（得1344）或Epoch调至9（得1728）。
按数据量分档设置Repeat与Epoch
方法一：素材20–30张（推荐新手起步）
Repeat固定填6，Epoch优先测试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、结构稳但细节偏平；Epoch=8泛化强、微表情自然但若图片质量不均易过拟合。
方法二：素材少于20张（如仅12张高质量对齐图）
Repeat必须≥7，Epoch设8，确保总步数≥1200。若Repeat=7、Epoch=8 → 12×7×8=672，仍不足——此时要强行把Repeat拉到8，Epoch设8，得768，还不够？那就再补一张图，或改用F.1_dev_fp8底模（收敛更快）。
方法三：素材超35张（含多角度/多表情）
Repeat可降至3～4，Epoch设10～12，用高轮次摊薄单图重复强度，避免模型死记硬背某张侧脸。此时总步数常达3000+，需盯紧loss曲线：若第2000步后loss持续＞0.035且无下降趋势，立即中断重训。
面部对齐增强场景的特殊步数规则
进入「创建LoRA」→上传三张对齐图后，必须勾选「面部对齐增强」开关。此时迭代步数必须填【1200】，学习率锁死0.0008。
低于1000步，对齐模块无法生效，模型会忽略关键五官位置约束；高于1400步，对齐增强反成干扰项，导致生成图出现“双下巴”“歪眼”等伪一致性缺陷。
训练过程中实时盯住loss曲线：若第800步后loss持续＞0.035且无下降趋势，立即中断，检查三张图是否真对齐——此时强行跑完只会产出“伪一致性”模型。
