Anima 训练最常见的失败有四类：画风泛化、覆盖画师标签、比例漂移、LoRA 太弱，外加显存问题。本篇按"症状 → 修复顺序"整理，照着做能少走很多弯路。
失败一：角色学到了，但画风变得泛化
症状：角色成立，但输出失去了 Anima 原本的画风多样性。
按这个顺序修：
- 选择一个更早的检查点（如 750/1000 而不是 1800）
- 把学习率从
2e-5降到1e-5 - 改进风格和构图的标注（可变特征标清楚）
- 加入 20–25% 无关的保留图像（06 篇）
- 把 rank 保持在
32
不要提高 rank，也不要回到 1e-4。
失败二：LoRA 覆盖了画师标签，或每条提示词都像数据集
症状：激活 LoRA 后画师标签失效，prompt 怎么改都像数据集。
这是过度触及，而不是欠拟合：
- 更早停止（选更早检查点）
- 让 alpha 与 rank 相等（rank 32 / alpha 32）
- 加入不带 trigger 的保留图像
- 当体型、取景、背景和服饰发生变化时对它们进行标注
- 在每次保存时用一条不带 trigger 的采样提示词做测试
失败三：头部大小、身体比例或轮廓发生漂移
症状：头身比、轮廓越训越歪。
数据集很可能把 trigger 与某一种裁剪或体型关联起来了：
- 加入更多的镜头距离和姿势
- 明确标注身体和取景上的差异（cowboy shot / full body 等）
- 移除重复的近似图像
- 降低学习率
- 在增加步数之前，优先选择更早的检查点
失败四：LoRA 太弱
症状：目标学不出来，或者很淡。
- 先确认 trigger 和标注（05 篇检查清单）
- 把训练保持在
2000步（别急着加步数） - 当源图支持时保持
512 + 768 + 1024 - 使用一条直接的目标检查采样提示词（07 篇）
- 只有当 2000 步的运行仍然明显欠拟合时，才重新考虑 rank
失败五：训练或采样耗尽内存
按这个顺序使用可用控制项：
- 把 Batch Size 保持在
1 - 让 Low VRAM 保持 ON
- 把预览的 width / height 从
1024降到768 - 在诊断运行中从数据集分辨率里移除
1024 - 把 Sample Every 从
250提高到500 - 把 Layer Offloading 打开
基线下让量化保持关闭（Anima 建议关量化）。在对应的量化开关被禁用时，不要填写 QType 字段。
修复顺序总表
| 症状 | 第一步 | 最后手段 |
|---|---|---|
| 画风泛化 | 更早检查点 + 降 lr | 加保留图像（不是加 rank） |
| 覆盖画师标签 | 更早停止 + alpha=rank | 保留切片 + 标注可变特征 |
| 比例漂移 | 多样镜头 + 标注差异 | 去重 + 降 lr |
| LoRA 太弱 | 查 trigger/标注 | 确认欠拟合后再动 rank |
| 显存不足 | batch 1 + Low VRAM | Layer Offloading / 去 1024 |
结论要点
可靠的 Anima LoRA 训练来自轻量的更新 + 激进的检查点比较：
- 训练 Base v1.0 Diffusers 模型
- 使用 rank 32 / alpha 32
- 学习率降到
2e-5 - 首轮上限
2000步 - 每
250步保存并采样 - 保持 Weighted timestep 与 FlowMatch
- 数据含真实细节时用
512 + 768 + 1024 - caption dropout 保持
0.05 - 用目标、泛化和不带 trigger 的提示词做验证
- 画师标签或构图灵活性消失时，加入一小片无关保留切片
最强的 Anima LoRA 通常不是最后一个检查点；而是最早那个既学会了目标、又没有替换掉 Anima 的检查点。
下一步
Anima LoRA 教程完。想学其他模型，前往：
- 《AI Toolkit 训练 Krea 2 Turbo LoRA》——少步数模型的适配器保护配方
- AI Toolkit 入门教程（工具基础）