Repeat值需按图片量动态设置：12张图应设≥7，20–30张设6，超35张可降至3～4；总步数必须控制在1200–4000区间，面部对齐增强时则强制锁定为1200步。
☞☞☞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”中设置LoRA训练的Repeat值，直接决定单张图被模型反复学习的强度，填错会导致特征学不全或死记硬背某张侧脸——比如你只传了12张图却填Repeat=3，总步数可能连1000都不到，模型根本记不住人脸轮廓。
先算清Repeat和图片量的绑定关系
打开“高级参数”面板，确认你上传的图片张数（N），Repeat（R）与Epoch（E）共同构成总步数：N × R × E。这个乘积必须落在【1200–4000】区间内。低于1200，模型提取特征不完整；高于4000，loss极易发散为NaN或生成图出现色块扭曲。
例如你上传了24张对齐图：若Repeat=6、Epoch=8 → 24×6×8=1152，略低于下限，需把Repeat调至7（得1344）或Epoch调至9（得1728）。
按图片数量分档设置Repeat
方法一：素材20–30张（新手推荐起步量）
Repeat固定填6，Epoch优先测试5和8两个值。保存两个版本模型后对比生成效果：Epoch=5出图快、结构稳但细节偏平；Epoch=8泛化强、微表情自然但若图片质量不均易过拟合。
方法二：素材少于20张（如仅12张高质量对齐图）
Repeat必须≥7，Epoch设8。若Repeat=7、Epoch=8 → 12×7×8=672，仍不足——此时要强行把Repeat拉到8，Epoch设8，得768，还不够？那就再补一张图，或改用F.1_dev_fp8底模（收敛更快）。
方法三：素材超35张（含多角度/多表情）
Repeat可降至3～4，Epoch设10～12，用高轮次摊薄单图重复强度，避免模型死记硬背某张侧脸。此时总步数常达3000+，需盯紧loss曲线：若第2000步后loss持续>0.035且无下降趋势，立即中断重训。
面部对齐增强场景的Repeat特殊规则
进入「创建LoRA」→上传三张对齐图后，必须勾选「面部对齐增强」开关。此时迭代步数必须填【1200】，学习率锁死0.0008。
低于1000步，对齐模块无法生效，模型会忽略关键五官位置约束；高于1400步，对齐增强反成干扰项，导致生成图五官错位、角度锁定。
注意：该模式下Repeat和Epoch不再自由组合，系统会自动反推并锁定对应值——你手动修改Repeat或Epoch，界面会强制灰显并提示“请勿修改”。
Repeat设置失败时的紧急修复路径
第一步：检查是否误开了“混合精度训练”——该开关在LiblibAI云端环境中极易引发NaN Loss，训练到第3轮就中断，关闭后Repeat才能正常生效。
第二步：确认所有图片已通过人工裁剪校验，尤其注意手部、发梢、衣摆等易被自动裁切框切掉的细节。若某张图主体被切掉1/3，Repeat再高也学不到完整特征。
第三步：逐张点开自动生成的标签文件，删掉所有形容词、颜色词、无关背景词，只保留3～5个核心特征词。标签混乱会稀释Repeat带来的强化效果，让模型在无效信息上反复学习。
