AI Toolkit 训练 Krea 2 Turbo LoRA

辅助适配器减缓了蒸馏的崩溃，但不能无限期地阻止它。所以 Krea 2 Turbo 训练的铁律是保持简短、频繁存检查点——最早能干净捕捉概念的那个检查点，通常比训练损失最低的那个更安全。

实用训练流程

对一个干净的 10–30 张图像数据集：

第 1 步：100 步冒烟测试

只跑 100 步，目的是确认模型、适配器、标注和数据集都能正确加载。这一轮的产出不是"学习效果"，是"流水线是否通"。

第 2 步：1000 步正式运行

• Steps = 1000
• Save Every = 250
• Sample Every = 250

你会得到 250 / 500 / 750 / 1000 四个检查点。

第 3 步：在精确的 8 步、guidance 1 下比较

用 07 篇的采样设置（8 步、guidance 1、FlowMatch），逐个比较四个检查点：

第 4 步：按需小幅延长

只有当 1000 步的检查点明显欠拟合、且仍然保留着干净的少步数行为时，才再延长 250–500 步。否则停在 1000 步以内。

学习率纪律

把学习率保持在 0.0001。

• 不要为了强行加快学习而调高它——同时加速的还有僵化和蒸馏损伤
• 如果 250 步的样本已经显得生硬、重复，或过度锁死在训练图像上：
• 使用更早的检查点
• 清理数据集
• 或把学习率降到 0.00005

在增加步数之前，先做上面三件事。

什么时候停

判断标准：最早能干净捕捉概念的检查点 = 最优解。

• 概念成立 + 8 步行为干净 → 用这个检查点
• 训练损失最低 ≠ 最好（损失最低时往往已僵硬/过拟合）
• 一旦样本开始生硬或瑕疵密集，停止延长运行

流程速查

100 步冒烟 → 1000 步正式（250 保存）→ 8步/guidance1 比较 250/500/750/1000
→ 明显欠拟合才延长 250–500 步 → 选最早干净检查点
lr 保持 1e-4；250 步就生硬 → 早检查点 / 清数据 / 降 5e-5

下一步

→ 07 · 8 步与 guidance 1 采样验证 验证设置是配方，不是装点