配置字段参考

本页给出 TrainingConfig 中常用字段的清单。schema 是事实源 — 下面默认值与代码同步。字段名以 camelCase(首选 wire form)给出,validator 也接受 snake_case。

权威源

字段名、类型、默认值由 Pydantic 在 load 时校验。顶层模型设 extra: forbid,未知 key 会被明确报错拒绝。

Top-level

Field	Type	Default	Notes
schemaVersion	str	"1.0"	预留给将来迁移。
precision	Literal["fp16", "bf16", "fp32"]	bf16	训练混合精度。
gradientCheckpointing	bool	true	用算力换显存。
cacheLatents	bool	true	第一 epoch 把 VAE latent 缓存到磁盘。

baseModel

Field	Type	Default	Notes
arch	Literal[...]	sdxl	选 backend 入口。可选: sd15, sd2, sdxl, sd3, flux, lumina, hunyuan_image, anima, flux2, chroma, hidream, omnigen2, auraflow, qwen_image, cosmos, cosmos_predict2, hunyuan_video, hunyuan_video_15, ltx_video, ltx2, wan, z_image, ernie_image。
archVariant	Literal["", "pony", "illustrious", "noobai", "animagine"]	""	SDXL 子风味,会微调默认值。要求 arch == "sdxl"。
checkpoint	Path	(必填)	主干权重(.safetensors / .ckpt)。
vae	Path \| None	None	可选外置 VAE。
archPaths	ArchPathsConfig	{}	多文件架构的分件 checkpoint 路径(clipL / clipG / t5xxl / ae / transformer / qwen3 / t5Tokenizer / llmAdapter 等)。

dataset

Field	Type	Default	Notes
source	Path	(必填)	图片 + .txt caption 所在目录。
resolution	list[int]	[1024, 1024]	[size](正方形)或 [width, height]。
bucket.enabled	bool	true	多分辨率 bucketing。
bucket.min	int	256	最小桶边长。
bucket.max	int	2048	最大桶边长。
bucket.step	int	64	桶尺寸量化粒度。
caption.strategy	Literal["tag_file", "filename", "none"]	tag_file	caption 来源。始终 snake_case — 是 Literal,不是字段名。UI-only:这一字段当前不被 backend 编译器消费(B1 审计后落档)。
caption.ext	str	".txt"	strategy == "tag_file" 时的文件后缀。
caption.shuffle	bool	true	每步随机打乱逗号分隔的 tag。
caption.dropRate	float (0-1)	0.0	随机丢 caption 的概率。
numRepeats	int (>=1)	1	每张图每 epoch 复读次数。

network

Field	Type	Default	Notes
type	Literal["lora", "locon", "loha", "dora"]	lora	Adapter 家族。
rank	int (1-512)	32	Adapter rank / dim。
alpha	int (>=1)	16	LoRA scaling alpha(等效 LR ≈ alpha / rank)。dp 侧 LoRA 强制 alpha == rank。
targetUnet	bool	true	训 UNet / transformer。
targetTextEncoder	bool	false	训 text encoder。dp / Anima 忽略此字段 — TE 始终冻结。
networkDropout	float (0-1)	0.0	adapter dropout 做正则。
convDim / convAlpha	int \| None	None	仅 locon / loha 有效。

optimizer

Field	Type	Default	Notes
type	str	"adamw8bit"	后端能识别的任意 optimizer 名。dp 接受 adamw / adamw8bit / adamw_optimi / stableadamw / lion / prodigy 等。
lr.unet	float	1e-4	UNet / transformer 学习率。
lr.textEncoder	float	5e-5	text encoder 学习率。
schedule	str	"cosine_with_restarts"	LR scheduler 名。
warmupSteps	int	100	进 schedule 前的线性 warmup。
betas	tuple[float, float]	(0.9, 0.999)	Adam betas。
weightDecay	float	0.0	L2 weight decay。
eps	float	1e-8	optimizer eps。
optimizerArgs	dict[str, str]	{}	透传给 optimizer 的自由 key=value 包。
gradientRelease	bool	false	dp gradient_release:分块释放梯度,省显存。

schedule

Field	Type	Default	Notes
epochs	int (>=1)	10	训练 epoch 数。
batchSize	int (>=1)	1	per-step batch size。
gradAccum	int (>=1)	2	梯度累积步数。
maxSteps	int \| None	None	可选全局 step 上限。

sampling

Field	Type	Default	Notes
enabled	bool	true	训练中生成 preview。
everyNEpochs	int (>=1)	1	按 epoch 取样节奏。
everyNSteps	int \| None	None	按 step 取样节奏。live preview 下与 everyNEpochs 互斥。
promptsFile	Path \| None	None	纯文本 prompt 文件(每行一条,kohya 格式)。
resolution	list[int]	[1024, 1024]	取样分辨率。
seed	int	42	取样 RNG 种子。
enableLiveInference	bool	false	开 lorahub 侧 preview worker(仅在 backend.type == "diffusion-pipe" 时有意义)。
inferenceSteps	int (>=1)	24	当 prompt 行没写 --s 时的默认采样步数。
inferenceCfg	float (>0)	5.0	当 prompt 行没写 --l 时的默认 CFG。

output

Field	Type	Default	Notes
name	str	"lora_output"	LoRA 文件名 stem。
saveEveryNEpochs	int (>=1)	1	epoch 节奏 checkpoint。
saveEveryNSteps	int \| None	None	step 节奏 checkpoint。优先于 epoch 节奏:设了它之后,编译器会丢掉 epoch flag,避免对齐边界双写。
saveDtype	Literal["fp16", "bf16", "float"]	fp16	落盘权重 dtype。
outputDir	Path \| None	None	覆盖 workspace 输出目录。

backend

Field	Type	Default	Notes
type	Literal["kohya", "diffusion-pipe", "anima_lora"]	kohya	训练引擎。
pinVersion	str \| None	None	把后端钉到某次 commit。
sdScriptsPath	Path \| None	None	覆盖 kohya checkout 路径。
pythonExecutable	Path \| None	None	覆盖 kohya / dp / anima_lora 的 venv Python。
extraArgs	dict[str, Any]	{}	后端 CLI flag 的逃生口。
diffusionPipe	DiffusionPipeOptions \| None	None	dp 专属(见下)。kohya 忽略。
animaLora	AnimaLoraOptions \| None	None	anima_lora 专属（见下）。kohya / dp 忽略。

backend.diffusionPipe

仅在 backend.type == "diffusion-pipe" 时消费。要点字段:

Field	Type	Default	Notes
pipelineStages	int (>=1)	1	DeepSpeed pipeline 并行度。
gradientClipping	float (>0)	1.0	grad-norm 截断值。
cachingBatchSize	int (>=1)	1	缓存 latent / TE embedding 时的 batch。
stepsPerPrint	int (>=1)	1	DeepSpeed 日志节奏。
blocksToSwap	int (>=0)	0	offload 到 RAM 的块数(0 = 关)。
compile	bool	false	保持关闭。dp pipeline 内部已经 compile;打开会再起一个 Inductor 编译池,在 Anima 跑的 cache 尾段卡在 unix_stream_data_wait。
minAr	float (>0)	0.5	最小 aspect ratio bucket。
maxAr	float (>0)	2.0	最大 aspect ratio bucket。
numArBuckets	int (>=1)	7	aspect-ratio 桶数。latent cache 占盘的最大变量 — 每个桶都存自己一份 VAE 编码;200 张图 × 11 桶在训练前就要 ~35 GB cache。Anima recipe 选 5。
cacheShuffleNum	int (>=0)	0	缓存阶段随机打乱前 N 个 tag(0 保持原顺序)。
skipEmptyCaption	bool	true	跳过没 caption 的图;false 时按空 caption 训。
checkpointEveryNMinutes	int (>=1) \| None	None	完整 DeepSpeed checkpoint 的 wall-clock 节奏(optimizer state + LR scheduler + dataloader epoch + latest 指针)。POST /api/jobs/{id}/resume 必需 — output.saveEveryNSteps 只写 LoRA 权重,不写 optimizer 状态。Anima recipe 选 30。
checkpointEveryNEpochs	int (>=1) \| None	None	同上,但按 epoch 节奏。两者只用其一(单 epoch 长跑选 minutes 更稳)。
multiNode	MultiNodeOptions \| None	None	多机训练(B8):{hostfile, num_nodes, master_addr?, master_port?}。runner 透传给 DeepSpeed launcher。
modelPaths	dict[str, str]	{}	自由 per-arch 路径包。key 原样写入 dp TOML,沿用上游 snake_case(transformer_path / vae_path / llm_path)。

wandb_api_key 故意不在 schema 中;diffusion-pipe 直接读 $WANDB_API_KEY, 密钥不进磁盘 TOML。

backend.animaLora

仅在 backend.type == "anima_lora" 时消费。完整字段表（method / preset 枚举、network / optim / 缓存 / 注意力 / offload / 验证段，以及五个 method 的子配置 discriminated union）由 AnimaLoraOptions 定义。

简而言之:

• method: Literal["lora", "postfix", "chimera", "easycontrol", "ip_adapter"]
• preset: Literal["default", "low_vram", "graft", "half", "quarter", "tenth", "debug"]
• 14 个 lock 字段在 UI 上以锁标(🔒 / ⚠️)呈现,锁住后由 LoraHub 强制成 上游推荐值,避免误改。

resume

resume 控制 resume 用的状态写入。saveState == true 时,kohya 把 optimizer + scheduler 状态写在 safetensors 旁边,后续运行可以从中断点继续。状态目录较 大;磁盘紧张就用 saveStateEveryNEpochs 限频。

Field	Type	Default	Notes
saveState	bool	true	每个 checkpoint 都写 optimizer / scheduler 状态。
saveStateAtEnd	bool	true	训练正常结束时强制写一次状态。
saveStateEveryNEpochs	int \| None	None	把状态写入限到每 N 个 epoch。
resumeFrom	Path \| None	None	本地 resume 路径。