LiblibAI不支持也不需要用户划分训练集和测试集，所有上传图片均参与训练；有效测试图须未上传、未打标、同风格但构图/姿态不同，训练后用自定义提示词在外部UI中验证泛化效果。
☞☞☞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，平台本身不支持也不需要用户手动划分训练集和测试集——所有上传的图都默认作为训练数据参与训练，而“测试”行为完全由你控制：训练完成后，用你自定义的提示词生成图片来验证效果。所谓“测试图”，实际是用于人工评估泛化能力的独立样本，它不能上传到训练流程中，否则会污染模型、引发数据泄露。
为什么不能把图传进平台当“测试集”
LiblibAI的训练流程是封闭式端到端处理：你上传的所有图像都会被送入训练循环，参与参数更新。平台没有预留“保留不参与训练”的接口。一旦某张图进了上传队列，它就自动成为训练集的一部分，哪怕你心里把它当成“考卷”。这会导致严重后果：模型在训练阶段就“见过答案”，后续生成图看似准确，实则是记忆而非泛化，一换提示词或姿势就崩坏。
这是LoRA训练中最隐蔽的数据泄露陷阱——比随机切分更危险，因为系统不会报错，你只会得到一个高loss却低实用性的模型。
真正有效的“测试图”怎么准备
测试图必须满足三个硬性条件：未上传、未打标、未参与任何裁剪打标流程。
第一步：从原始素材中单独抽出5～8张图，全程不导入LiblibAI。这些图要和训练图同风格、同主体、同拍摄/绘制条件，但构图角度、背景、光照或人物姿态需有差异——比如训练图全是正面半身，测试图就选侧脸、背影、全身或带手部动作的版本。
第二步：用本地工具（如Photoshop或XnConvert）统一裁为768×768正方形，保存为JPEG，文件名可任意（如test_01.jpg），但绝不能用训练集命名规则（如01_ink_wash_scholar.jpg），避免误传。
第三步：训练完成并下载LoRA权重后，在ComfyUI或WebUI中加载该模型，用与训练时一致的触发词+新组合描述（如ink_wash, scholar figure, holding scroll, side view）生成图，再和你手里的测试图逐帧比对五官结构、墨色层次、留白节奏是否稳定复现。
验证集在哪？根本不存在
LiblibAI没有验证集机制。它的“简易参数”面板里所有设置（单次张数、循环轮次）都是针对全量上传数据的训练调度，不涉及hold-out validation。所以你在训练日志里看到的loss曲线，是模型在全部上传图上的平均误差，不是泛化能力指标。
这意味着：如果你只传了20张图，又没留出测试图，那你就彻底失去了客观评估依据。训练完只能靠直觉猜“好像还行”，结果部署到工作流里才发现生成图全在重复训练图里的固定姿势。
因此，测试图必须在上传前就物理隔离，且数量不少于训练图总数的15%——30张训练图，至少留5张做测试；40张训练图，至少留6张。少于这个比例，评估结果不可信。
