训练LoRA必须用科学计数法填学习率：风格类3e-4、角色类4e-4，绑定cosine with warmup调度，Repeat设5～8、Epoch试5和8，总步数须控在1200～4000。
☞☞☞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“赛博丹炉”中训练LoRA模型时，学习率填错会导致loss前10轮剧烈震荡、中期卡死在0.8以上、后期直接报NaN中断，必须按训练目标类型匹配数值并绑定调度策略，不能单独调数字。
先选对学习率数值
风格类LoRA（水墨、水彩、像素风等）填3e-4；角色类LoRA（真人肖像、ACG人设等）填4e-4。填2e-4会学得太慢，loss 5分钟内压不破0.7；填5e-4则第3轮就跳变到1.2以上，系统自动终止。
严禁手输“0.0003”或“0.0004”——平台只认科学计数法格式，输错一个字符就当无效值处理，后台默认回退到不稳定的固定学习率。
必须绑定cosine with warmup调度
在高级参数面板中，学习率调度下拉菜单里只选“cosine with warmup”，其他选项全禁用。
这个调度先用warmup阶段把学习率从0线性拉到设定值（比如3e-4），稳住前200步不震荡；再用cosine曲线缓慢衰减，避免后期收敛停滞。选“StepLR”或“ReduceLROnPlateau”会导致loss反复冲高回落，生成图细节糊成一片。
【严禁勾选“固定学习率”】——这是平台最常触发loss崩盘的开关，勾了等于主动断送训练。
协同调整Repeat与Epoch保总步数合理
第一步：打开高级参数→将Repeat设为5～8（若你只有15张图，Repeat必须≥7）；
第二步：Epoch分别试5和8两个值，保存两个模型后对比生成效果；
第三步：用公式验算总步数——图片数 × Repeat × Epoch，确保落在1200～4000区间。低于1000步模型几乎不学习，高于5000步显存溢出风险陡增，loss曲线会突然断崖式归零。
