快速开始指南¶

训练示例 — 示例按 model_family/model_flavour/vram/recipe 组织。先选择模型系列，再选择变体和 24g、48g 或 80g 等显存档位。default 显存档位没有特定显存目标；default 变体使用模型配置的默认值。8x80g 等多 GPU 档位需要八张显存各为 80 GB 的 GPU。

在 WebUI 环境创建器和设置向导中，先选择模型系列。示例选择器只显示该系列的配方。切换系列会清除先前选择的示例。

注意：如需更高级的配置，请参阅教程和选项参考。

模型快速开始指南¶

功能兼容性¶

完整兼容性矩阵按功能领域拆分，以保持每张表易读。

✓ = 支持，✓ = 支持但 full-rank training 通常需要 DeepSpeed/FSDP2，✗ = 不支持。Ref Inputs 标记现有 reference/edit/I2V conditioning paths；opt 表示可选，req 表示 edit/I2V flavour 必需。* TwinFlow 在 twinflow_enabled=true 时为原生支持；diffusion models 仍需要 diff2flow_enabled=true 和 twinflow_allow_diff2flow=true。Self-Flow 指 CREPA self-flow support。Internal Guidance 在 diffusion transformer 上使用 auxiliary head。LayerSync 标记公开 hidden states 用于 alignment 的 backbones。NextLat 使用捕获的 hidden states 作为辅助 next-latent 目标。XM 标记 Explorative Modeling support：diffusion models 使用 noise-candidate selection，autoregressive token models 使用 route selection。

快速通道：Z-Image Turbo 和 Flux Schnell¶

• Z-Image Turbo：完全支持带 TREAD 的 LoRA；即使不使用量化（int8 也可以），在 NVIDIA 和 macOS 上运行速度也很快。通常瓶颈只是训练器设置。
• Flux Schnell：快速开始配置会自动处理快速噪声调度和辅助 LoRA 堆栈；训练 Schnell LoRA 不需要额外的标志。

高级实验功能¶

• Diff2Flow：允许使用 Flow Matching 损失目标训练标准的 epsilon/v-prediction 模型（SD1.5、SDXL、DeepFloyd 等）。这弥合了旧架构和现代基于流的训练之间的差距。
• Scheduled Sampling：通过让模型在训练期间生成自己的中间噪声潜变量（"rollout"）来减少曝光偏差。这有助于模型学习从自身的生成错误中恢复。

常见问题¶

数据集样本少于预期¶

如果数据集的可用样本少于预期，文件可能在处理过程中被过滤掉了。常见原因包括：

• 文件太小：低于 minimum_image_size 的图像会被过滤
• 纵横比超出范围：超出 minimum_aspect_ratio/maximum_aspect_ratio 边界的图像会被排除
• 时长限制：超出时长限制的音频/视频文件会被跳过

查看过滤统计： - 在 WebUI 中，浏览到您的数据集目录并选择它以查看过滤统计 - 在数据集处理期间检查日志中的统计信息，如：Sample processing statistics: {'total_processed': 100, 'skipped': {'too_small': 15, ...}}

详细故障排除请参阅数据加载器文档中的故障排除-过滤后的数据集。