liblibai lora训练失败不退积分，因点击“开始训练”即刻扣费并预占gpu资源，不可撤回；避免白扣需校验图片分辨率与命名、精简标签、关闭混合精度；失败后可重试或补传正则图。
☞☞☞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☜☜☜
LiblibAI平台在LoRA训练中途失败时不会退还已扣除的积分，因为积分在点击“开始训练”后即刻扣减，系统视作计算资源已实际调度并占用GPU时段，无论训练是否完成或因参数错误、数据不合规导致中断。
为什么失败不退积分
训练任务提交瞬间，平台已向集群申请A10/V100 GPU实例并预分配显存与存储IO带宽，这部分资源占用不可撤回。即使loss在第2轮突变为NaN，或上传图片被静默跳过导致有效图数＜20张，积分仍按完整训练流程计费。
【所有积分扣除动作均不可逆，且无申诉退返通道】——这是LiblibAI当前（v2.8.3）结算系统的硬性规则，与云服务厂商的按量计费逻辑一致。
如何避免白扣积分
第一步：上传前用本地工具批量校验文件名与分辨率
用Python脚本或Total Commander插件扫描全部图片，确认每张均为768×768或1024×1024正方形，文件名仅含半角数字、英文、下划线，无空格/中文/冒号/括号。
第二步：人工检查标签文件内容
每张图对应同名.txt，打开后只保留两行：首行是触发词（如ink_wash），次行是1girl或1boy；删掉所有“masterpiece, best quality”等通用词，否则平台会判定为冗余标签而降权甚至拒训。
第三步：进入“赛博丹炉”前强制关闭混合精度开关
该开关默认开启，但LiblibAI云端fp16实现存在缺陷，90%概率引发NaN Loss，且无日志提示。必须手动滑动关闭，否则训练必然失败且积分照扣。
失败后能做什么
方法一：立即查看右上角“训练历史”中的失败详情页
若显示“标签格式错误”或“图像数量不足”，说明问题出在数据层，此时应重新打包图集，无需重开新任务。
方法二：若显示“loss震荡异常”或空白错误码，直接启用高级参数面板
将Repeat设为6，学习率改为3e-4，调度策略选cosine with warmup，再点“重试训练”——此操作复用原图集与积分，不额外扣费。
方法三：上传5张同风格正则图后重训
正则图不参与主体特征学习，只约束泛化边界，可显著降低过拟合导致的loss骤升风险。上传入口在高级参数面板底部“正则图”区域，支持拖拽JPEG/PNG。
