千问 Image 2.1 编辑 LoRA 训练 — AI Toolkit（云端）

使用 AI Toolkit 训练千问 Image 2.1 的编辑 LoRA，本教程示例为二次元转真人风格转换，训练效果明显优于千问原生模型直接处理的效果。

环境要求

精度	推荐显卡	说明
BF16（原生精度）	4090 及以上	效果更好，但显存占用更高
INT8	3090 即可	显存占用小，但效果比 BF16 差不少，速度也慢约 3 倍

⚠️ 两者二选一：追求效果用 BF16（4090+），显卡有限用 INT8（3090 可用）

快速开始（云端）

# 1. 部署 GPU 实例（4090 或 3090，按精度选择）
# 2. 打开 Jupyter Lab，复制启动指令粘贴运行
# 3. 打开 AI Toolkit

数据集准备

编辑 LoRA 需要一一对应的两组图片：

• Control（原始图）：转换前的图片，如二次元图
• Target（目标图）：转换后的目标图片，如对应的真人图

⚠️ Control 和 Target 的文件命名必须一一对应。直接在 Dataset 页面内上传比新建文件夹再上传更快。

不需要打标，Dataset 类型分别选 Control 和 Target，默认提示词留空，训练时用触发词即可，不需要额外打标。

关键参数

参数	推荐值	说明
精度	BF16（4090）/ INT8（3090）	按显卡选择，显存不够就用 INT8
触发词	自定义（如 photo realistic live action）	描述目标风格即可
优化器	Automagic v3（推荐）	显存紧张可用 Adam 8bit；训练角色类可用 Prodigy
分辨率	1280（显存够用时）	报显存不足就降到 512
Layer Offloading	报显存不足就开启，并调高（如从 30 起步逐步上调）	采样阶段最吃显存，容易在这一步爆掉

训练参考

• 迭代速度：BF16 约 5~7 秒/次，INT8 更慢（约 3 倍）
• 训练时长：约 1~2 小时可训完一个编辑 LoRA（BF16，4090）
• 训练步数不需要跑满：500 步左右已有明显效果，1000~1750 步基本达到不错效果，日常训练 1000~2000 步足够，无需跑到 5000 步

显存不足（爆显存）排查顺序

1. 精度改为 INT8
2. 降低分辨率（如从 1280 降到 512）
3. 开启并调高 Layer Offloading（采样阶段最容易在这一步爆显存，需要多试几个数值找到刚好不爆的档位）

训练完成后测试

• 镜像内置 Comfy 工作流，训练完可直接启动测试 LoRA 效果
• 也可以用 Ostris（AI Toolkit）自带的测试功能：点击 Start the Engine，选择 LoRA 和模型即可直接跑图看效果，比开 ComfyUI 更方便