在LiblibAI训练LoRA模型需规范数据命名、选对底模、关闭混合精度、配齐正则图与触发词：训练图须正方形768×768或1024×1024，文件名用半角下划线连接英文与数字，标签全英文逗号分隔且标点为半角；人像/二次元选SD1.5，写实风景选SDXL，金属材质选Foundation1.0；关闭混合精度，Repeat设5～8，Epoch试5或8，学习率填3e-4（风格）或4e-4（角色），调度选cosine with warmup；启用正则图或人工补充5～10张同风格不同主体图并以reg_01.jpg命名；提示词必须含前置触发词，训练前逐项核验分辨率、命名、标签、底模、参数。
☞☞☞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上训练出能稳定生成特定风格或角色的LoRA模型，但上传后训练中断、loss爆零、生成图完全跑偏——问题往往出在数据命名不规范、底模选错、混合精度开着，或是正则图没启用。
准备20–50张合规训练图
先确认你手里的图不是手机随手拍的横构图，也不是iCloud下载后自动转成HEIC格式却没手动转JPEG的“假jpg”。【必须全部裁成正方形，768×768或1024×1024像素，禁止拉伸变形】
文件名用半角下划线连接数字与英文描述，例如01_ink_wash_scholar.jpg，不能出现空格、中文顿号、全角逗号，更不能是“水墨人物（1）.jpg”这种系统会直接拒收的命名。
每张图配的标签用英文逗号分隔，可加权如(ink_wash:1.3)，但所有标点必须是半角，全角符号会导致打标失败且不报错，只静默跳过整张图。
选对底模再进赛博丹炉
打开LiblibAI → 进入“赛博丹炉” → 点击左侧“训练LoRA”：
→ 人像/二次元角色选SD1.5；写实风景、产品摄影选SDXL；PVC材质、金属反光、赛博机械体选Foundation1.0。
别图省事全用SD1.5——用SD1.5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。
关键参数三步锁死
第一步：关闭“混合精度训练”，【这是LiblibAI云端环境最常触发NaN Loss的开关，开着必炸】。
第二步：在高级参数里设Repeat=5～8（图少于20张就填7），Epoch先试5和8两个值，别直接拉到12——小数据集Epoch过高只会过拟合。
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”，固定学习率会导致前期震荡后期卡死。
正则图与触发词必须配齐
方法一：平台自动启用正则图——上传训练图时勾选“启用正则化图像”，系统会自动生成对应风格的泛化图参与训练，小数据集不用它大概率过拟合。
方法二：人工补正则图——准备5～10张同风格但主体不同的图（如训“水墨猫”，正则图用“水墨竹”“水墨山”），命名为reg_01.jpg起头，和训练图一起上传。
模型效果预览提示词必须含前置触发词，比如训练的是ink_wash，那这里就得写ink_wash, scholar figure, soft ink gradient——漏掉ink_wash，预览图就调不出LoRA权重。
启动训练前最后检查
① 所有图分辨率一致且为正方形；
② 文件名无空格、无中文、无全角符号；
③ 标签全英文逗号分隔，带权重要用半角括号；
④ 底模与训练目标风格匹配；
⑤ 混合精度已关闭，Repeat与Epoch值落在推荐区间，学习率填了带e的科学计数法。
确认无误后点击“开始训练”，等待loss曲线平稳下降至0.25左右即可。
