先说一句大实话：在LiblibAI上训练一个稳定、可控、生成效果还不错的风格LoRA模型，四重约束——图像规格、命名规则、参数组合、人工校验——一个都不能少。20张图上传后训练失败，十有八九是裁剪没用正方形、标签里混了中文逗号、学习率填成了固定值。

准备20–50张合规训练图

这一步，不能跳过自动裁剪。平台默认的“聚焦裁剪”会偏移主体位置，导致关键特征丢失。必须手动统一为正方形构图。

把原始图片全部拖进Photoshop或PixInsight，用“图像→画布大小”设为768×768像素（SD1.5底模）或1024×1024像素（SDXL底模），背景填充纯白。如果原图不是正方形，先等比缩放至长边匹配目标尺寸，再居中裁剪。严禁拉伸变形。

文件名改用半角下划线连接：01_ink_wash_landscape.jpg，02_ink_wash_landscape.jpg……不加空格、不用中文标点、不写“水墨风景”这类中文词。所有图片保存为JPEG格式，压缩质量设为100%，避免生成伪影干扰特征提取。

设置基础参数并关闭混合精度

进入“赛博丹炉”，点击“训练LoRA”，在左侧选择底模：水墨、国风、厚涂选SD1.5；写实建筑、金属材质选SDXL；PVC、塑料质感选Foundation1.0。注意，选错了底模，后面怎么调都白费。

简易参数面板中，“单次张数”设15，“循环轮次”设8，提示词框填入ink_wash, scholar figure, soft ink gradient——这三个词必须前置，否则触发失效。

务必关闭“混合精度训练”开关。这个选项在LiblibAI当前版本（v2.8.3）会导致loss突变为NaN，训练中途强制终止，且没有错误日志提示。吃过这个亏的，不在少数。

调优高级参数应对loss震荡

训练启动后，如果loss曲线剧烈跳动（比如0.8→0.3→1.1反复），说明基础参数已经不稳了。需要立即进入高级参数面板干预：

第一步：将Repeat设为6（图集仅20–30张）或8（图集达到40张以上）；

第二步：学习率填3e-4，调度策略选cosine with warmup，不要碰“固定学习率”选项。这个组合对于风格模型特别管用；

第三步：Batch Size × 梯度累积 = 10。例如Batch Size=2，梯度累积=5；或者Batch Size=5，梯度累积=2；

第四步：启用正则图（Regularization Images），上传5张同风格但不含主体的空镜图，比如纯水墨晕染纸纹、空白宣纸特写，用来抑制过拟合。

打标与裁剪必须人工复核

平台自动打标会把“ink_wash”误标成“ink,wash”，逗号一加，关键词就分裂了，触发词直接失效。必须逐张点击“编辑标签”，手动修正为ink_wash, chinese_brush_stroke, rice_paper_texture。

裁剪预览页里，每张图右下角有蓝色“✔”标记，但别被它骗了——这个只说明系统判定主体存在，并不代表构图合格。需要放大到100%检查：主体是否完整居中、边缘有没有截断笔触、留白比例是否符合风格惯例。比如水墨讲究“计白当黑”，留白应≥40%画面面积。

发现任何一张图边缘模糊、主体偏移或标签含全角字符，立刻返回重做。别抱侥幸心理点“开始训练”，否则时间白白浪费。

监控loss曲线并判断训练完成

训练启动后，每两分钟刷新一次loss值。正常曲线应该从1.5左右开始平缓下降，15分钟后稳定在0.22–0.28区间波动。如果10分钟内loss卡在0.9不动，说明Repeat值过低或正则图缺失。

当loss连续5次刷新值差小于0.003，且最低值≤0.25，就可以点击“停止训练”了。此时最新保存的模型就是可用版本，不需要等全部轮次跑完。

记住一个原则：训练时间不是越长越好，合适的退出时机，才是好模型的关键。