一个 47 MiB 的 LoRA 自带训练账本：7750 步、7412 张图、每张 297.7 毫秒

产出质量 · 2206.63 秒 · 7750 步 · 297.7 ms/张L0整理于 2026-10-21 有效期 30d

训练脚本（kohya / 秋叶系）会把整场训练的参数与时间戳写进 safetensors 的 __metadata__。本机一个 SDXL offset 示例 LoRA（47.26 MiB / 2364 张量 / 67 个 meta 键，其中 53 个 ss_*）里就有完整账本：ss_training_started_at 1689970447.43792、finished_at 1689972654.070616 → 训练时长 2206.63 秒 = 36.78 分钟；ss_max_train_steps 7750 → 步速 3.512 步/秒；训练图 7412 张、155 batch/epoch、batch_size 1 → 实耗 7750 图次 = 1.046 个 epoch，平摊每张 297.7 毫秒。配置项一应俱全：learning_rate 0.0009、Adafactor（relative_step=False）、network_dim 8 / alpha 1、fp16、noise_offset 0.2、seed 42、warmup 100、1024×1024、enable_bucket false。文件构成上，header 355.64 KiB 占全文件 0.735%，纯 meta JSON 17,254 字节；2364 个张量中位 20,480 字节、最大 360 KiB，最大 10 个只占 4.87%，而 788 个张量小于 1 KiB、合计仅 1.54 KiB。meta 里最占字节的是 modelspec.thumbnail 13,353 字节（占 meta 77.4%），存的是一张 base64 JPEG 缩略图。LoRA 体积占 SDXL base 的 0.714%（1/140）。

LoRA训练账本元数据safetensorsss_字段kohya秋叶SDXL训练时长复现rank学习率本地训练

这条适用于

LoRA 由 sd-scripts / kohya / 秋叶系训练脚本产出（会写 ss_* 元数据）
文件为 safetensors 格式，且 __metadata__ 未被裁剪工具清除
目的是核对/复现训练参数，而不是只取 LoRA 权重本身

版本指纹

sd_xl_offset_example-lora_1.0.safetensors（47.26 MiB / 2364 张量 / 67 meta 键 / 53 个 ss_*）；训练脚本 ss_sd_scripts_commit_hash 71a6d49d

具体做法

环境：本机 D:\models\sdxl\sd_xl_offset_example-lora_1.0.safetensors，47.26 MiB / 2364 张量 / 67 个 meta 键（53 个 ss_*），2026-10-21 直读。

【训练时间账】
· ss_training_started_at 1689970447.43792｜finished_at 1689972654.070616
· 时长 2206.63 秒 = 36.78 分钟
· ss_max_train_steps 7750 → 3.512 步/秒
· ss_num_train_images 7412｜ss_num_batches_per_epoch 155｜batch_size 1
· 实耗 7750 图次 ÷ 7412 图 = 1.046 个 epoch；平摊每张 297.7 毫秒
· ss_num_epochs=50（配置）vs ss_epoch=4（保存标记）→ 不自洽，本文只用 steps 与时间戳

【训练配置】
· learning_rate 0.0009｜Adafactor(scale_parameter=False, relative_step=False, warmup_init=False)
· network_dim 8 / network_alpha 1 / networks.lora（conv_dim 8）
· mixed_precision fp16｜noise_offset 0.2｜seed 42｜grad_accum 1｜lr_warmup_steps 100
· resolution [1024,1024]｜enable_bucket false｜num_reg_images 0

【文件构成】
· 总 47.26 MiB｜header 355.64 KiB = 0.735%｜权重 46.91 MiB = 99.265%
· 纯 meta JSON 17,254 B = 0.036%
· 张量：min 2 B｜p50 20,480 B｜p90 32,768 B｜max 360 KiB
· 最大 10 个张量合计 2.29 MiB = 4.87%
· <1 KiB 的张量 788 个，合计 1.54 KiB = 0.0032%

【meta 字节 Top5】
· modelspec.thumbnail 13,353 B（占 meta 77.4%，base64 JPEG）
· modelspec.description 733 B｜ss_datasets 537 B｜ss_optimizer 98 B｜modelspec.usage_hint 80 B

【体积比】
· SDXL base 6.46 GiB vs LoRA 47.26 MiB → 0.714%（1/140）

失效边界
本结论为本机文件直读（2026-10-21），对象是一个 2023 年 7 月产出的 SDXL offset 示例 LoRA，训练发生在他人设备上，不是本机训练。训练时长由文件内两个时间戳相减得出，非本文测量。「每张 297.7 毫秒」是训练总时长÷训练图数的摊薄口径，不等于单张单次前向耗时。ss_epoch=4 与 ss_max_train_steps/(155/epoch) 不自洽，其准确语义未确认，故本文所有结论只建立在 steps 与时间戳上。不同训练脚本版本写入的元数据字段可能有差异，同名字段含义也可能不同。

← 返回全部排错方案