在LiblibAI训练风格类LoRA需20–50张768×768正方形图、英文下划线命名、带触发词的英文标签；禁用混合精度；底模按风格选SD1.5/SDXL等；参数设单次15张、循环8轮、学习率3e-4、Batch×梯度累积=10、启用正则图。
☞☞☞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☜☜☜
在LiblibAI上训练一个风格类LoRA模型，需要你准备好20–50张同风格正方形图（768×768或1024×1024）、英文命名文件、带触发词的标签，并避开混合精度等易错配置；少于20张图会导致特征学习不全，命名含中文标点会直接上传失败，未设正则图则容易过拟合生成偏色图。
准备训练素材
先用Photoshop或在线工具（如Pixlr）把所有图片裁成正方形，分辨率锁定为768×768——不能拉伸变形，也不能保留长图比例后加白边，否则LoRA会把白边当有效构图学进去。【必须用等比缩放+居中裁剪，禁止非等比拉伸】
文件名改写为半角下划线格式：01_mountain_ink.jpg、02_bamboo_ink.jpg，删掉所有空格、括号、中文顿号、全角逗号。
每张图配一行英文标签，用英文逗号分隔，比如：ink_wash, misty_mountain, soft_brush_stroke, traditional_chinese_painting。想强化某关键词就加权，例如(ink_wash:1.3)。
设置基础参数
进入“赛博丹炉”→点击“训练LoRA”→左侧选底模：水墨/工笔/浮世绘等传统风格选SD1.5，赛博朋克/金属质感选SDXL，PVC材质选Foundation1.0。
简易参数面板里，“单次张数”填15，“循环轮次”填8，模型效果预览提示词写：ink_wash, scholar figure, soft ink gradient —— 这串词必须含你的触发词ink_wash，否则预览图根本不会调用LoRA。
【关闭“混合精度训练”开关，否则5–10分钟后大概率报NaN Loss中断】
调优高级参数
第一步：展开“高级参数”，Repeat设为6（若你只有22张图，Repeat=6比=5更稳）；Epoch先填5，训练完再补跑Epoch=8版本对比效果。
第二步：学习率选“cosine with warmup”，填3e-4——这是风格类LoRA的黄金值，填4e-4容易震荡，填2e-4则收敛太慢。
第三步：Batch Size×梯度累积=10，比如Batch Size=2、梯度累积=5；若平台自动分配A10显卡（24GB），Batch Size可提到3，梯度累积相应调为4。
第四步：启用正则图，上传5–8张同风格但不含主体细节的图（比如纯水墨渐变背景、空白宣纸纹理），防止模型只记住某张图的局部噪点。
上传与启动训练
右侧“图片/数据处理”区拖入全部训练图→点击“批量剪裁”→选“聚焦剪裁”（对山水/花鸟等非人脸风格也适用，它能自动识别墨块重心）→等裁剪完成再点“自动打标”。
打标后人工逐张核对：删掉无关词如photo、realistic、HDR，保留风格核心词，把lowres、jpeg_artifacts这类负向词挪进Negative Prompt框。
确认无误后点“开始训练”，loss曲线稳定下降至0.25左右即为正常，此时可关闭页面，系统后台持续运算。
