AI Toolkit 训练 Anima LoRA

Target 面板是 Anima LoRA 训练里最"省心"的部分：只需要设置 LoRA、rank 32、alpha 32 三项。本篇讲清这些值的含义、为什么 Anima 没有卷积区、以及什么情况下才值得动 rank。

Target 面板设置

注意：Anima 架构隐藏了卷积目标区块——这里没有可调的卷积 rank，只有暴露出来的 linear LoRA 控制项。不用去找 conv rank，它不在 UI 里。

rank 32 + alpha 32 为什么是正确默认

• rank 决定容量：能学多少；rank 越高，LoRA 能承载的信息越多
• alpha 决定缩放：alpha = rank 时，LoRA 的贡献按 1:1 缩放，行为最可预期
• 对 Anima：rank 32 搭配 alpha 32 是正确默认值，覆盖绝大多数角色与风格训练

rank 不是第一补救旋钮

新手最常见的错误：结果弱 → 直接拉高 rank。但更高的容量对 Anima 是双刃剑：

• ✅ 目标可以更强
• ❌ 构图和画师标签压制也会更糟

在改变 rank 之前，按顺序确认 4 件事：

1. trigger 在标注中一致出现（没有拼写不一致、没有漏标）
2. 比较一直到 2000 步的检查点（也许只是没看到够后面的存档）
3. 移除标错的或近似重复的图像（重复取景 = 快速度过拟合）
4. 确认数据集包含了 LoRA 被期望生成的那些视角（半身像训练 → 要求全身生成，当然弱）

只有当这 4 步都确认无误、且训练仍然明显欠拟合时，才考虑 rank 32 → 48/64。

什么时候调 alpha

• 保持 alpha = rank 是默认原则
• 若 LoRA 效果过强（激活后风格压过一切），可尝试 alpha < rank（如 rank 32 / alpha 16）削弱贡献
• 若出现"覆盖画师标签"（见 08 篇），让 alpha 与 rank 相等是修复项之一

配置速查

Target Type:       LoRA
Linear Rank:       32
Linear Alpha:      32
卷积区:            隐藏（无 conv rank）
调 rank 前:        trigger 一致性 → 后段检查点 → 数据去重 → 视角覆盖

占位图

下一步

→ 04 · steps 2000 与检查点选择 训练时长与"选哪个存档"的学问