一、训练配置就四段

不管界面长什么样，底下的配置文件就四个段：

二、12 项检查，6 项不过

Demo 拿一份故意写错的配置过了一遍，不通过的六项和它们的后果：

三、四项不报错的，才是最贵的

① 保存间隔大于总轮数。 这一项最阴：训练能完整跑完、日志一行不红， 但一个权重文件都不会保存。你盯了两个小时，最后什么都没有。 检查方法：save_every_n_epochs 必须小于等于 epochs，最好能整除。 ② 学习率 0.02。 SD 训练常用 1e-4 量级，0.02 大了两百倍。 它不会报错，只会把模型训崩——表现是「第 3 轮开始出的样图全花了」。 这类错只能靠人看样图发现，所以训练时一定要开样图输出。 ③ alpha 大于 dim。 LoRA 的实际缩放是 alpha / dim，alpha=16、 dim=8 时等于把改动量乘了 2 倍——相当于你设的学习率被悄悄放大了一倍。规矩很简单： alpha 等于 dim，或者等于 dim 的一半。 ④ VAE 没填。 大多数底模自带 VAE，不填也能跑。 但有些社区底模的 VAE 有偏色问题，不显式指定就会训出灰调、发白的图。表现是「样图颜色不对」， 很容易被误认为「数据集有问题」。

四、把配置当代码管

三条纪律。 第一，配置文件进版本管理，文件名带上日期和关键参数（lora_20261025_r8_lr1e-4.toml）， 这样「上次那个效果不错的版本」是可回溯的。 第二，每次开训前跑一遍校验。 十二项检查、二十行代码、一秒跑完， 比训废一轮便宜太多。 校验脚本应该和配置放在一起。 第三，留下三样东西：配置文件、启动命令、样图。只留权重文件是不够的—— 没有配置，你复现不出这个权重。 最后一句提醒：界面上的「开始训练」按钮， 它检查的是「参数格式对不对」，不是「参数值合不合理」。这两件事之间的差距， 就是这一节的四类事故。

五、动手 Demo：配置校验：12 项里 6 项不对，其中 4 项训练器不报错

用 tomllib 造一份带六处错误的 train.toml（分辨率 520、学习率 0.02、保存间隔大于总轮数、 alpha 大于 dim、VAE 路径不存在、数据集目录为空），解析后跑 12 项检查， 标出哪些是「会当场报错」的硬错，哪些是「训练器不会报」的隐性错。

with open(p, "rb") as f:
    c = tomllib.load(f)                 # 标准库直接读 toml

def chk(name, ok, msg, hard):
    rows.append([name, u"通过" if ok else u"不对", msg])
    if not ok:
        probs.append((name, hard))      # hard=True 表示会当场报错

res = c["dataset"]["resolution"]
chk(u"分辨率能被 64 整除", res % 64 == 0,
    u"%d 除 64 余 %d" % (res, res % 64), True)
chk(u"保存间隔 ≤ 总轮数",
    c["training"]["save_every_n_epochs"] <= c["training"]["epochs"],
    u"%d 对 %d" % (20, 10), False)     # False：训练器不报

实跑输出：

--------------------------------------------------------------------
配置校验：12 项里 6 项不对，其中 4 项训练器不报错
--------------------------------------------------------------------
  配置文件                 train.toml，21 行
  解析出几段               4 段（model／dataset／training／network）

  检查项                结果   说明
  ----------------------------------------------------------------
  底模路径              通过   存在
  VAE 路径              不对   没填 VAE，会退回底模自带
  数据集目录            通过   目录在
  分辨率能被 64 整除    不对   520 除 64 余 8
  batch × 重复数        通过   2 × 10 = 20
  学习率量级            不对   0.020，SD 训练常用 1e-4 量级
  保存间隔 ≤ 总轮数     不对   20 对 10，永远存不下来
  输出目录父级存在      通过   在
  混合精度取值          通过   bf16
  network_alpha ≤ dim   不对   alpha 16 大于 dim 8，等效缩放 2.0 倍
  数据集里有图          不对   0 个文件
  总步数估算            通过   100 步

  **12 项里有 6 项不过。** 其中硬错 2 项（分辨率不合法、数据集目录是空的），
  这些会让训练器当场报错。**剩下的 4 项它不会报。**
  「保存间隔 20 > 总轮数 10」最阴：
  **训练能跑完，但一个权重文件都不会保存。**你盯着日志等半天，最后什么都没有。
  「学习率 0.02」也不会报错——它会把模型训崩，表现为「第 3 轮开始出的样图全花了」。
  **这类错只能靠人看样图发现。**
  「alpha 16 大于 dim 8」同样不报错：等效缩放 = 16/8 = 2 倍，**学习率相当于被悄悄放大了一倍。**
  所以配置要写成文件、用脚本校验，而不是在界面上点。
  **界面只检查「能不能跑」，不检查「跑出来对不对」。**

12 项里 6 项不过，其中只有 2 项是硬的：分辨率不能被 64 整除、数据集目录里一个文件都没有。 这两项训练器会当场停下来。 剩下 4 项它一句不吭。 我特意在代码里用一个 hard 参数把它们分开—— 这个参数不是给训练器看的，是给人看的：它告诉你「哪几项要你自己盯」。 「保存间隔 20 对 10」那份配置最值得琢磨：训练会完整跑完，日志全绿，然后 output 目录是空的。 这是唯一一种「花了全部时间、产出为零」的错。 「alpha 16 大于 dim 8」那条的说明写的是「等效缩放 2.0 倍」——注意这不是一个绝对值错误， 而是「学习率被放大了一倍」。所以它和「学习率 0.02」会叠乘：0.02 再乘 2 倍，就是 0.04。 最后一句是这个 Demo 的结论： 界面只检查「能不能跑」，不检查「跑出来对不对」。所以配置必须能被脚本校验—— 这就是为什么要用 toml 而不是点按钮。

30 秒实验

1. 把 save_every_n_epochs 从 20 改成 5，重跑，看「不过」从 6 项降到 5 项。 只有这一项变了——说明检查项之间是独立的。
2. 把 resolution 从 520 改成 512，看硬错从 2 项降到 1 项。 「数据集里有图」还是错的——那个得真放一张图进去。
3. 往 img 目录里放一个文件再跑，看最后一项说明变成什么。 它会变成「1 个文件」并通过——但一个文件是训不出东西的，检查项抓不到这种事。

常见误区

1. 「界面能跑起来就没问题」。界面只查参数格式，不查参数值合不合理。四类事故全在这个缝隙里。
2. 「保存间隔随便填」。大于总轮数就一个文件都不存，而且不报错——花了全部时间，产出为零。
3. 「alpha 和 dim 填一样大就行」。填大了等于放大学习率，会和你设的学习率叠乘。

配置通了就能开训。这一章还剩两节：训完的产物是什么、怎么部署，以及出图时那几个参数到底怎么调。

• ☐ （本节完，下一节 7.2.1 部署训练好的LoRA模型）

相关笔记

• 准备与整理训练数据集
• 训练数据准备规范
• 部署训练好的LoRA模型
• 🧠 AI训练师手册2 · 索引