把 8 步样本作为 Krea 2 Turbo LoRA 训练的健康检查：多数故障都会在 8 步、guidance 1 下暴露出来。本篇给出 7 个常见症状的诊断表与结论要点。
症状 → 原因 → 修复
| 症状 | 最可能的原因 | 修复 |
|---|---|---|
| LoRA 只有在 25+ 步或 guidance 4 下才好看 | 缺少适配器、Raw 风格的验证，或训练过度 | 恢复那条精确的辅助 LoRA 路径，回到 8 步 / guidance 1，并测试一个更早的检查点 |
| 样本在最初改善之后变得生硬或瑕疵密集 | 蒸馏正在崩溃，或运行已经过拟合 | 停止延长运行；选择最早的干净检查点 |
| 100 步后概念仍然薄弱 | 这次运行只是冒烟测试 | 训练到 1000 步，并每 250 步比较 |
| 1000 步时概念仍然薄弱 | 标注不一致、变化不足，或确实欠拟合 | 先修数据集；然后再延长 250–500 步 |
| 每条提示词都复制同一个姿势或背景 | 图像重复、曝光过多，或标注过于具体 | 移除副本，把 repeats 保持在 1，并缩短运行 |
| 训练内存不足 | 1024 分桶或模型驻留超出了可用 VRAM | 打开 Layer Offloading；如有需要，移除 1024 分桶 |
| 下载的 LoRA 表现与训练器预览不同 | 基座错误、推理时加载了适配器，或采样不匹配 | 使用 krea/Krea-2-Turbo，不要加载训练适配器，并在 8 步 / guidance 1 下采样 |
两条关键诊断信号
信号一：25 步好看 ≠ 成功
"8 步退化、25 步好看"是蒸馏被破坏的标志，不是"多步数效果更好"。检查顺序：
- 适配器路径是否被清空/替换
- 是否用 Raw 的采样配方（guidance 4 / 25–30 步）评估
- 是否训练过度（超过 1000–1500 步）
信号二：生硬 = 停止信号
样本在最初改善之后变得生硬或瑕疵密集，意味着蒸馏正在崩溃或已经过拟合——此时不要延长训练，往回找最早的干净检查点。
自检清单（出问题先过一遍）
- [ ] 架构 =
Krea 2 Turbo (w/ Training Adapter)（krea2:turbo） - [ ] 适配器路径 =
ostris/krea2_turbo_training_adapter/..._v1.safetensors（未清空） - [ ] 采样 = 8 步 / guidance 1 / FlowMatch
- [ ] 基座 =
krea/Krea-2-Turbo（推理时不加载训练适配器） - [ ] 训练 ≤ 1000 步（明显欠拟合才延长）
- [ ] repeats = 1；数据集无近似副本
- [ ] 内存控制：Layer Offloading / 移除 1024 分桶（不改配方行为参数）
结论要点
- 保留那条精确的训练适配器
- 在 8 步、guidance 1 下验证每一个检查点
- 在最早能学到概念又不丢失 Turbo 行为的那个检查点停下
- 在基线被证明可行之前，不要去碰 Linear timesteps、FlowMatch、rank 32、alpha 32、qfloat8 量化和被隐藏的卷积设置
这就是在 AI Toolkit 上进行 Krea 2 Turbo LoRA 训练的可靠路径。
下一步
Krea 2 Turbo LoRA 教程完。回顾系列：
- 《AI Toolkit 训练 Anima LoRA》——动漫基座的低学习率配方
- AI Toolkit 入门教程（工具基础）