应选用Foundation1.0底模并关闭混合精度训练，严格裁剪为1024×1024正方形图，配同名txt标签（仅含触发词与product_shot），启用正则图锚定材质边界，学习率设4e-4、Repeat按数据量设7或8，Batch Size与梯度累积乘积恒为10。
☞☞☞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产品外观（如金属外壳、PVC包装盒、哑光陶瓷杯）的LoRA模型，却反复出现材质失真、反光错位、结构变形——问题几乎都出在底模选错、正则图缺失、或裁剪时保留了干扰背景，导致模型把阴影当材质学。
准备20–50张纯产品正方形图
第一步：只拍产品本体，不带手、不带桌面、不带影子。用白卡纸或无影棚打光，确保金属件高光连续、PVC接缝清晰、陶瓷釉面均匀。
第二步：全部图片裁为严格正方形，分辨率锁定【1024×1024】——SDXL和Foundation1.0底模对这个尺寸适配最优，768×768会导致金属拉丝纹理丢失细节。
第三步：文件名用半角下划线连接数字与英文描述，例如01_metal_speaker_front.jpg、02_pvc_box_top.jpg；严禁出现“产品1.jpg”“speaker(1).jpg”这类含中文、括号、空格的命名，系统会静默跳过。
第四步：每张图配同名txt标签文件，内容仅写两个词：【产品触发词, product_shot】，比如metal_speaker, product_shot。不要加“on white background”“studio lighting”等冗余词，这些会污染材质权重学习。
选Foundation1.0底模并关闭混合精度
进入“赛博丹炉”→点击左侧“训练LoRA”→在底模列表中【必须选Foundation1.0】——它专为PVC、金属、玻璃、陶瓷等工业材质优化，用SD1.5训金属外壳，生成图永远是塑料感；用SDXL训哑光陶瓷，边缘必出虚假高光。
简易参数面板中，“单次张数”保持15，“循环轮次”设为8，这两项不动即可。
【务必关闭“混合精度训练”开关】——这是LiblibAI云端环境最常触发NaN Loss的雷区，开启后第3–4轮loss直接爆为nan，且不报错、不提示、不回滚，训练任务无声报废。
高级参数分层校准
第一步：展开“高级参数”面板，将Repeat设为7（若图集仅20–30张）或8（若达40张以上），小数据集必须靠Repeat补足特征密度。
第二步：学习率填入【4e-4】，调度策略选“cosine with warmup”——产品外观属于强细节类LoRA，固定学习率会导致前期震荡剧烈、后期收敛停滞，loss曲线会像心电图一样上下乱跳。
第三步：Batch Size × 梯度累积 = 10。A10卡填Batch Size=2 → 梯度累积=5；V100卡填Batch Size=5 → 梯度累积=2。数值偏离8–12区间，loss会持续高于0.35无法下降。
第四步：启用正则图功能，上传5–10张同材质但无该产品主体的图，例如纯金属板反光图、空PVC盒侧面图、未上釉陶瓷坯体图——这些图不参与特征学习，只用于锚定材质泛化边界，防止生成时把金属壳变成不锈钢锅。
触发词前置与人工校验
方法一：“模型效果预览提示词”框里，必须把触发词放在最前面，格式为：【metal_speaker, product_shot, front view, studio lighting】。写成“a metal speaker on white background”会完全失效，因为平台只识别逗号分隔后的首个词为触发锚点。
方法二：上传完成后，逐张点击自动生成的标签，删掉所有AI误加的词，如“high_resolution”“detailed_texture”“isolated”，只保留你设定的触发词+product_shot。漏掉这一步，训练完成也无法调用。
最后一步：确认所有图在裁剪预览中主体完整、无切边、无阴影残留，点击“开始训练”。
