Krea2 Raw风格LoRA训练：数据集、打标与动态学习率

作者：@T8star-Aix



一句话导读：这期是 Krea2 Raw 模型风格 LoRA 的从零训练流程，重点不是单纯跑参数，而是如何准备风格数据、正确打标、观察采样图，并在拟合太慢时小幅调整动态学习率。

核心内容：
1. 数据集准备：作者建议风格训练至少准备 20-40 张图，并尽量同时包含横版和竖版，避免模型只适应单一构图。示例风格以黑白灰线条为主，局部带绿色和彩色，因此需要多样样本帮助模型学到风格而不是只记住某张图。
2. 造图和筛图：可以用无限画布或图像模型扩展相近风格素材，再删掉明显偏离目标风格的图。偶尔有轻微差异的样本不一定要全部删除，适度多样性有利于泛化。
3. 打标方式：视频使用图图打标器，新建项目后选择自然语言模式和“风格”方向，让标签描述主体、场景和内容，尽量不要把风格本身写得过满。作者建议英文标签效果更稳，并手动加入触发词，例如自定义 style 名称。
4. 训练设置：图片和同名 txt 放入训练目录；触发词可以提前写进 txt，也可以在训练器里填写。作者用 Raw 模型做训练，rank 默认 32，保存轮数多一些，分辨率按显存和批次调整，示例中使用 1024 级别并以 2 batch 观察。
5. 判断拟合：风格训练不能只看 loss，必须看 samplers 目录里的采样图。示例中前几千步变化不明显，约 6750 步开始出现初步风格变化，后续逐渐接近目标黑白灰加局部色彩的效果。
6. 动态学习率：默认学习率约 0.001。若 loss/T2 仍在正常下降但风格学得太慢，可以小幅提高到 0.0015 加速，不建议大幅乱改。达到接近目标效果后，也可以再降回较低学习率慢慢磨细节。
7. 泛化测试：作者提到官方推荐 Raw 训练、Turbo 出图；但早期测试泛化时可先在 Raw 上看得更准确。中途不同 checkpoint 也可能形成可用风格，未必只有最后一步值得保留。

适合人群：想训练 Krea2 风格 LoRA 的 ComfyUI 用户、需要理解 Raw/Turbo 搭配的人，以及正在排查风格模型拟合慢、过拟合或泛化不足的训练者。

补充说明：本文根据授权视频转写整理，参数和训练步数应结合数据集、显存、批次和目标风格调整，建议观看原视频核对界面细节。

相关夸克网盘链接：
【无限画布整合包v2.3.7（新功能需要更新chrome插件）：https://pan.quark.cn/s/5871a0142ff3】
【T8 Comfyui整合包V11：https://pan.quark.cn/s/9b0cd761bf8e】
【贞贞整合包V4.6H：https://pan.quark.cn/s/ed4f5cc2db75】