注册
教程中心 / AI Toolkit 训练 Anima LoRA

AI Toolkit 训练 Anima LoRA

用 AI Toolkit 训练 Anima LoRA:模型特性与三决策、2e-5 低学习率、rank 32/alpha 32、2000 步检查点策略、标注与 trigger 设计、保留图像与采样验证

04 · Anima LoRA 训练:steps 2000 与检查点选择

AI Toolkit 训练 Anima LoRA 更新于 2026-10-10 16:46:01

Anima 学得很快,"训练多久"比"训练多少"更值得推敲。本篇给出 2000 步上限的完整节奏、每个检查点该看什么,以及"选最早合格检查点"的核心原则。

把 2000 步当成上限,而不是目标

Anima 训练里,有用的检查点往往早于最后一步。首轮运行推荐:

字段 值
Steps 2000
Save Every 250
Sample Every 250
Max Step Saves to Keep 8(首轮)

训练中你会得到这些存档:500 / 750 / 1000 / 1250 / 1500 / 1750 / 2000。

各阶段看什么

检查点 观察重点
500 目标是否开始浮现(有变化即可)
750–1000 身份/风格是否成立;是否开始侵占无关提示词
1000–1800 最佳平衡区间:目标清晰 + 构图/画师标签仍灵活
2000 LoRA 更强,但兼容性开始下降

Anima 训练通常在 1000 到 1800 步之间达到一个好的平衡。继续训练虽然能让 LoRA 更强,却更难与不同的构图和画师标签兼容——越靠后的检查点越"专",越靠前的越"活"。

选哪个检查点:最早合格的那个

常见误区:仅仅因为最后一个检查点是最后一个检查点就选它。

正确原则:选择最早的——那个既具备所需身份/风格、又仍然能响应数据集之外提示词的存档。

最早的合格检查点 = 身份成立 + 灵活性保留 的交集起点

用固定 seed 的采样对比,从 500 步往后逐个看:第一次达到"目标清晰且 prompt 仍灵活"的就是答案。通常它出现在 1000–1800 步区间,而不是 2000。

Max Step Saves to Keep 的取舍

阶段 值 原因
首次诊断运行 8 保留到 2000 步的每一个 250 步存档,方便对比
配方稳定后 4 只留最近的存档,省磁盘

首轮如果只留 4 个,早期的 500/750 步存档会被清理,你就失去了判断"最早合格点"的素材。

快速上手流程

  1. Steps 2000、Save/Sample Every 250、Max Step Saves 8
  2. 训练完成后,用固定 seed 逐个看 500 → 2000 的采样
  3. 找到"身份成立 + 灵活性保留"最早的存档
  4. 验证这个存档的泛化与泄漏(07 篇的三条提示词)
  5. 确认后,把配方固定下来(Max Step Saves 改回 4),后续训练按此节奏

下一步

→ 05 · 标注策略与 trigger 设计 让目标学会该学的、保留该留的

TOP