AI Toolkit 训练 Krea 2 Turbo LoRA

rank 32 是 Krea 2 Turbo 的正确首选目标，但它不是第一个用来补救的旋钮；内存问题应该用专门的内存控制项解决，而不是去改动定义模型行为的配方。

Rank 32：正确首选目标

对这个模型，rank 32 + alpha 32 是经过验证的首选。更高容量不是解决弱结果的办法。

rank 不是第一补救旋钮

如果结果薄弱，按顺序排查：

1. 标注的一致性（trigger 是否统一、可变特征是否标出）
2. 图像的多样性（是否只有单一取景/背景）
3. 适配器路径（是否被清空或替换）
4. 检查点时机（是否看了太早的存档）

然后才考虑增加容量。原因：更高的 rank 会更快地记住数据集专属的背景和构图——这在蒸馏后的学生模型上尤其帮不上忙（记住的构图越多，蒸馏负担越重）。

卷积控制项不存在

某些其他图像架构使用的卷积控制项在这里不适用。network.conv 和 network.conv_alpha 始终未定义——训练器对 krea2:turbo 隐藏了那一部分。不要在配置里找它们。

内存控制：用专门的控制项，不改配方

默认内存设置是经过深思熟虑的：

内存不足时的操作顺序

1. 先启用 Layer Offloading（默认关闭的那一项）
2. 如果内存仍然不够：移除 1024 数据集分桶
3. 之后才考虑其他

关键原则：在改动适配器、timestep type、调度器或少步数采样设置之前，先用上面两步解决内存。后面那些设置定义的是模型行为；它们不是用来调节内存的旋钮。动了它们，你就离开了经过验证的配方。

配置速查

下一步

→ 05 · 数据集与标注选择 小而多样，比大而重复更可靠