liblibai训练lora失败主因是数据命名含全角符号、底模与风格错配、混合精度未关闭；需用20–50张同主题正方形图，严格半角命名与标签，匹配底模，关闭混合精度，合理设repeat、epoch、学习率及正则图。
☞☞☞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☜☜☜
想在LiblibAI上在线训练一个能稳定调用、生成效果可控的LoRA模型，却卡在上传后提示“标签解析失败”、训练中途loss突变为nan、或预览图完全不带训练特征——问题几乎都出在数据命名含全角符号、底模与风格错配、混合精度未关闭这三处硬性雷区。
准备合规训练图集
第一步：收集20–50张同主题正方形图，比如全是水墨人物立绘，不能混入现代插画或风景照；数量少于20张时，后续必须靠提高Repeat值补足学习强度。
第二步：用XnConvert或birme.net批量裁切为严格正方形，分辨率只能选【768×768或1024×1024】——非等比拉伸会导致LoRA输出形变，平台不校验长宽比，错误会直接进入训练流程。
第三步：重命名所有文件，格式为半角数字+下划线+英文描述词，例如01_ink_wash_scholar.jpg；禁止出现空格、中文括号、顿号、冒号，连“01-水墨人物.jpg”这种带短横线的都会被静默拒收。
第四步：每张图配一个同名.txt标签文件，内容用英文逗号分隔关键词，可加权如(ink_wash:1.3), scholar, soft_brush；所有标点必须是半角，全角逗号会让整张图标签解析失败且不报错。
进赛博丹炉选底模与关关键开关
打开LiblibAI → 进入“赛博丹炉” → 点击左侧“训练LoRA”。
底模选择必须匹配训练目标：人像/ACG类选SD1.5；写实场景、建筑、产品图选SDXL；PVC、金属、玻璃等材质表现选Foundation1.0。别图省事全用SD1.5——用它训金属质感，模型根本学不会高光反射逻辑，最后生成图全是塑料感。
在简易参数面板中，“单次张数”保持默认15，“循环轮次”设为8；【务必关闭“混合精度训练”开关】——这是LiblibAI云端环境最常触发NaN Loss的开关，开着必炸，训练会在第3–5轮突然中断，日志里只显示“loss=nan”，无其他报错。
“模型效果预览提示词”必须包含你设定的触发词，且放在最前面，例如ink_wash, scholar figure, soft ink gradient；如果写成a scholar figure in ink wash style，触发词被淹没在中间，预览图就不会带LoRA特征。
高级参数分层调优
第一步：点击“高级参数”展开面板。
第二步：设置Repeat为5～8（素材≤20张时取7或8），Epoch先试5和8两个值，不要直接拉到12——小数据集Epoch过高只会过拟合，生成图细节发虚、边缘糊。
第三步：学习率填3e-4（风格类）或4e-4（角色类），调度策略必须选“cosine with warmup”；【严禁使用固定学习率】，否则loss会剧烈震荡甚至卡死在0.8以上不下降。
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（如纯水墨纹理、空白宣纸、淡墨晕染），命名为reg_01.jpg、reg_02.jpg……用于约束泛化边界，防止模型把训练图里的噪点、水印也当成特征学进去。
