03 · 训练配置详解
AI Toolkit 训练 Z-Image Turbo LoRA
更新于 2026-10-10 16:46:01
本篇给出 Z-Image Turbo LoRA 的完整参数基线，每个关键值讲清楚"为什么是这个值、什么时候要改"。这些参数来自 ostris 的实测教程，是当前最可靠的起点。
模型与适配器
| 项 |
值 |
| Model Architecture |
Z-Image-Turbo |
| Name or Path |
Tongyi-MAI/Z-Image-Turbo |
| Training Adapter |
Z-Image-Turbo training adapter（V1）（内建，自动合并/移除） |
如果想训"慢速版"（不追求 8 步），可改用 ostris/Z-Image-De-Turbo，但采样参数随之改变（CFG 2–3、20–30 步）——新手先用 Turbo + 适配器。
采样设置（重要）
| 项 |
值 |
说明 |
| Sample Steps |
8 |
Turbo 的蒸馏工作点，保持 8 |
| CFG（Guidance Scale） |
1 |
Turbo 无 CFG 双通道；模型内部是 0 归一化（max(0, g-1)），≤1 时跳过无条件 pass、negative 无效 |
| Sampler |
FlowMatch |
与训练 noise scheduler 一致 |
| 分辨率 |
与训练桶一致 |
生成时分辨率按 32 取整 |
训练参数基线
| 项 |
值 |
说明 |
| Steps |
3000（风格起步） |
角色常可更少；重风格可 5000+ |
| Learning Rate |
1e-4 |
⚠️ 不要 2e-4——测试中导致不稳定/爆炸 |
| Batch Size |
1 |
16–24GB 上的稳妥起点 |
| Precision |
BF16 |
现代 NVIDIA GPU 直接可用 |
| Optimizer |
AdamW8Bit |
默认即可 |
Differential Guidance（可选但推荐）
- 位置：Advanced 设置里开启
- Scale 3
- 作用原理：常规优化每步向目标挪一点、差异递减；Differential Guidance 计算"当前与目标差异"并放大后加回（类似 CFG 的放大思想），产生受控过冲，让路径围绕目标震荡收敛——更快收敛而不需要高 lr
- 注意：它是实验性功能，可以关；ostris 训练适配器本身也用到了它
显存与速度配置
| 显存 |
建议 |
| 24GB+ |
关量化（速度最快）；开启 Cache Text Embeddings（文本编码器缓存后卸载，省显存） |
| 16GB |
开启量化（可降到 16GB 以内）；Cache Latents 保持开 |
- 相关字段：量化精度（Transformer / Text Encoder）、Cache Latents、Cache Text Embeddings——"两个相关数值字段可设 8"（按 UI 提示设置）
- 实测性能（ostris 在 5090 上）：预热后 约 1.3 秒/步、BF16 无量化训练显存 约 17GB
默认不动的东西
- Resolutions：除非数据集特殊，保持默认桶
- Trigger Word：如果按"caption-only 风格法"组织数据（见 04 篇），不需要 trigger
配置速查表
架构: Z-Image-Turbo
适配器: V1（自动合并/移除）
采样: 8 步 / CFG 1 / FlowMatch
训练: steps 3000 / lr 1e-4 / batch 1 / BF16 / AdamW8Bit
高级: Differential Guidance ON（Scale 3）
显存: 24GB+ 关量化 + Cache Text Embeddings；16GB 开量化
下一步
→ 04 · 数据集与风格训练 学会用 caption-only 法组织数据
