不同底模的lora参数不可互换，因unet结构、层命名、张量维度均不同；sd1.5、sdxl、foundation1.0需分别配置对应repeat、学习率、分辨率等参数，且须人工核对adapter_config.json匹配性。
☞☞☞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LoRA时直接把SD1.5的参数套用到SDXL或Foundation1.0上，会导致loss骤升、NaN中断甚至生成图完全失真——因为不同底模的UNet结构、层命名、张量维度完全不同，参数无法跨模型复用。
底模差异决定参数不可互换
SD1.5的UNet有25个Attention层，target_modules常为["to_q", "to_k"]；SDXL的UNet结构翻倍，对应层重命名为"transformer_blocks.0.attn2.to_q"；Foundation1.0则彻底重构了交叉注意力路径。你用SD1.5的Repeat=6+rank=8参数去训SDXL，等于让LoRA往错位的坐标点强行注入偏移量。
这一步必须人工核对：打开LoRA详情页→展开【技术参数】→确认adapter_config.json里的"r"和"target_modules"是否与当前底模完全匹配。
SD1.5专用参数配置
方法一：基础参数直接启用默认组合
进入“赛博丹炉”→点击【训练LoRA】→选择SD1.5底模→保持“单次张数”=15、“循环轮次”=8→【务必关闭混合精度训练】（该选项在SD1.5环境下触发NaN概率超90%）。
方法二：高级参数协同微调
若数据仅12–18张，需手动拉高Repeat至6–8；学习率锁定3e-4；Batch Size×梯度累积严格控制在8–12；分辨率统一设为768×768。
SDXL参数必须重设
第一步：底模切换后立即清空全部高级参数字段
第二步：Repeat设为5（SDXL收敛慢，过高的Repeat会放大噪声）
第三步：Epoch改设为8（不能沿用SD1.5的5轮，SDXL需更多轮次稳定特征）
第四步：学习率降为2e-4（SDXL参数空间更敏感，4e-4极易震荡）
第五步：分辨率强制改为1024×1024——【SDXL不支持768×768输入，否则UNet中间层张量shape直接报错】
Foundation1.0参数禁忌清单
禁用所有自动裁剪：该底模对边缘像素极其敏感，AI裁剪会误切材质过渡区。
禁用正则图：Foundation1.0内置材质正则机制，额外加载正则图反而导致金属反光失效。
触发词必须含材质词：如pvc_reflection、metal_scratch、glass_refraction，漏掉任一词，LoRA权重不会激活对应模块。
Batch Size只能设1：Foundation1.0单步显存占用极高，设为2会直接触发OOM并静默终止训练。
