LiblibAI训练LoRA需20–50张同主题图：少于20张系统拒训，超50张易loss飙升；人物类可压至15–20张但须全正面清晰无遮挡；小数据可用Repeat补足，但不可替代构图多样性。
☞☞☞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上训练LoRA模型时，图片数量直接决定训练是否能通过平台校验、loss能否稳定下降、生成图是否具备泛化能力——少于最低张数系统拒绝启动训练，多于上限又会引入风格噪声导致特征混淆。
基础数量区间：20–50张是硬性安全带
必须准备20张以上、50张以下的同主题图片。低于20张，平台会在上传后直接报“数据量不足”，训练任务创建失败；超过50张，虽能上传成功，但因风格微差或光照不均引发的标签冲突概率上升，loss曲线易在第4–6轮突然飙升至inf。
这一步不能靠“差不多”蒙混——用文件管理器点开文件夹右下角显示总数，确认数字落在20–50之间再继续。
人物类LoRA可压缩至15–20张，但有严苛前提
仅适用于人脸迁移类LoRA（如训练“本人写真”或“固定角色肖像”），且必须全部满足：【正面、清晰、无遮挡、无侧脸、无背影】。任意一张出现半张脸、眼镜反光、头发遮眉，都会导致生成图五官错位或单眼缺失。
拍摄时用手机人像模式+纯色背景布，拍完立刻用放大镜工具逐张检查瞳孔是否完整可见。
图少于20张时的补救操作
第一步：进入LiblibAI「赛博丹炉」→「训练LoRA」→ 高级参数面板
第二步：将Repeat值设为7（若原图仅15张）或6（若原图18张）
第三步：Epoch先填5，切勿拉到8以上——小数据集Epoch过高会把噪声当特征反复强化，生成图细节糊成一片
Repeat本质是让模型“重看”每张图的次数，不是替代真实多样性。它能缓解过拟合，但无法弥补构图/角度/表情的单一性缺陷。
不同用途对应的最佳数量推荐
方法一：风格类LoRA（水墨/厚涂/像素风）→ 严格选30张。太少学不出笔触逻辑，太多混入非典型样本反而稀释风格权重。
方法二：角色类LoRA（固定人物+服装+姿态）→ 40张起，其中头像照12张、半身照12张、全身照8张、微侧脸（≤30°）8张，全部保持相同背景与光照。
方法三：动作/姿态控制类LoRA（需生成抬手、转身、跳跃等）→ 必须满50张，且每种动作至少5张，否则模型无法对齐骨骼关键点，生图时关节扭曲或肢体断裂。
注意：所有图片必须先完成正方形裁剪（768×768或1024×1024）、半角下划线命名、英文标签配对，再统计最终有效张数——iCloud自动转的HEIC、命名含中文括号的文件、未配txt标签的图，都不计入有效数量。
