logo
RunComfy
AI Toolkit LoRA 训练指南

AI Toolkit 避免 OOM 的安全初始设置

AI Toolkit 任务预检指南：在创建任务前检查 Batch Size、分辨率、帧数、Gradient Checkpointing 和预览采样，让首次运行更容易成功。

使用 Ostris AI Toolkit 训练扩散模型

如何避免 AI Toolkit 中的 OOM：首次成功训练的安全设置

本页不是"最快速度"的配置方案。

而是首次成功训练的配置方案。

如果你想减少无效重试、降低 OOM 发生率，更快跑通一次可用的训练，从这里开始。

规则很简单：

先证明稳定性，再追求速度。

本指南适用场景

以下情况请参考本页：

  • 你正准备创建一个新的 AI Toolkit 任务
  • 你需要更安全的起步设置
  • 你宁愿有一次稳定的首次训练，也不想花几小时调 OOM
  • 你需要一份"不要从危险设置开始"的实用清单

如果你已经看到了 CUDA out of memory 错误，请转到：

60 秒 OOM 预检清单

点击 Create Job 之前：

  • ✅ 保持 Batch Size 保守
  • ✅ 在 Datasets 中从保守的 Resolution 开始
  • ✅ 在 Sample 中让预览比最终目标更轻量
  • ✅ 点击 Show Advanced 确认 gradient_checkpointing: true
  • ✅ 视频模型从保守的 Num Frames 开始
  • ✅ 仅在模型指南推荐时使用模型特定的低显存功能
  • ✅ 首次训练不要同时尝试多个高风险更改

RunComfy 在产品层面也提供帮助。保存训练任务时，RunComfy 会检查当前设置是否包含高风险组合——例如过于激进的 batch size、frames、resolution，或过早关闭节省内存的默认设置。目的是在消耗 GPU 时间和预算之前发现风险配置。

这不能替代模型特定的判断，但提供了更安全的起点。

1) 最重要的思维转变

大多数失败的首次训练，原因不是"learning rate 不对"。

而是：

  • 分辨率太高
  • 帧数太多
  • batch 太大
  • 预览采样开销太大
  • 过早关闭节省内存的默认设置

你的首次成功训练应该看起来故意很朴素。

这是好事。

2) 图像模型的安全起步设置

FLUX-dev / Flex 类大型图像模型

好的首次训练

  • Batch Size: 1
  • Gradient Checkpointing: 开启
  • Datasets > Resolutions: 从 512 + 768 开始
  • 确认稳定后再加 1024
  • Sample: 预览保持适中，或暂时禁用采样

不要从这里开始

  • GC 关闭
  • Batch Size ≥ 8
  • 首次训练就用激进的多桶高分辨率设置
  • 短间隔的频繁重量级预览

Z-Image

好的首次训练

  • Batch Size: 先保守
  • Gradient Checkpointing: 开启
  • Resolutions: 768 + 1024 是比直接跳到最大桶更安全的首个目标
  • 预览保持合理

不要从这里开始

  • 大 batch + GC 关闭
  • 直接从最大桶开始
  • 稳定性未验证就混合高 batch 和高分辨率

Qwen Image Edit

好的首次训练

  • Batch Size: 1
  • Gradient Checkpointing: 开启
  • 从更小或更简单的桶组合开始
  • 控制预览开销
  • 如果模型指南推荐，使用模型的低显存路径

不要从这里开始

  • GC 关闭
  • 首次训练就用大 batch
  • 高成本 1024 预览 + 重条件 + 频繁采样
  • 基础流水线未稳定就做随意的文本编码器实验

3) 视频模型的安全起步设置

Wan 2.2 14B

好的首次训练

  • Batch Size: 1
  • Datasets > Num Frames: 21 或 41
  • Datasets > Resolutions: 从 512 开始
  • 稳定运行后再加 768
  • 预览视频保持保守

不要从这里开始

  • 81 帧 + Batch Size 2
  • 训练中播放长预览视频
  • 稳定性未验证就用大桶 + 长片段

LTX-2

好的首次训练

  • Batch Size: 1
  • Num Frames: 49 或 81
  • Resolution: 512
  • 控制预览开销

不要从这里开始

  • 121 帧 + Batch Size 4
  • 稳定训练未验证就用更大的桶
  • 假设图像模型的 batch 习惯可以直接套用在视频上

4) 比大多数用户更安全的预览设置

很多"训练 OOM"实际上是预览 OOM。

首次训练时，使用比你认为需要的更轻量的采样。

在 Sample 面板中

推荐：

  • 更低的 Width / Height
  • 更低的 Sample Steps
  • 更少的 Sample Every
  • 如果唯一目标是验证稳定性，打开 Disable Sampling

训练稳定后，可以重新丰富预览设置。

5) 在 Show Advanced 中检查什么

标准 UI 涵盖了许多重要设置，但最可靠的预检仍然是高级 YAML。

首先检查：

train:
  batch_size: 1
  gradient_checkpointing: true
  disable_sampling: false

model:
  low_vram: false

sample:
  width: 1024
  height: 1024
  sample_steps: 25
  guidance_scale: 4
  num_frames: 1

datasets:
  - resolution: [512, 768, 1024]
    num_frames: 1

为了更安全的首次训练，最常降低的值：

  • batch_size
  • resolution
  • num_frames
  • sample.width
  • sample.height
  • sample.sample_steps

最常需要保持启用的：

  • gradient_checkpointing: true

6) "不要从这里开始"的组合

以下正是造成可避免 OOM 的典型首次训练选择：

高风险组合 为什么有风险
大型图像模型中 Gradient Checkpointing = 关闭 立即失去 VRAM 余量的简单方法
FLUX 类图像模型 + Batch Size 8+ 高风险首次训练，尤其搭配丰富的桶
Wan 2.2 + 81 帧 + Batch Size 2 典型的视频显存峰值区域
LTX-2 + 121 帧 + Batch Size 4 首次训练极其沉重的组合
短间隔的高成本 1024 预览 即使训练勉强能放下也会预览 OOM
同时添加多个高风险更改 无法确定实际导致失败的原因

7) 非常实用的首次训练配方

如果只要一条规则：

图像模型

  1. Batch Size = 1
  2. gradient_checkpointing: true
  3. 先只用小 / 中等桶
  4. 轻量预览或无预览
  5. 证明任务能跑

视频模型

  1. Batch Size = 1
  2. 保守的 Num Frames
  3. 先用 512
  4. 轻量预览
  5. 证明任务能跑

这是达成真正成功训练的最快路径。

8) 何时提升

只在一次稳定运行之后才提升。

好的顺序：

  1. 保持相同的显存设置
  2. 增加 Steps
  3. 提升预览质量
  4. 添加更大的桶
  5. 增加更多帧（视频）
  6. 最后才测试更大的 batch

一次只改一个变量。

9) 如果任务还是 OOM

直接转到运行时修复指南：

那个页面是给已经失败的任务用的。

本页面是为了从一开始就避免失败。

一句话总结

AI Toolkit 最好的首次训练预设，是那种稍微保守、明确稳定、后续容易扩展的配置。

安全起步。

先跑通一次。

然后再优化。

相关指南

准备好开始训练了吗？