TE keys missing

快速结论：该报错通常发生在 Kohya SS 的 LoRA 训练中，原因是 v25 版本将文本编码器学习率（Text Encoder learning rate）的默认值从 v24 的 0.0001 改为了 0，导致训练默认仅针对 UNet，LoRA 输出文件不含 TE 键值。优先排查并确认 Text Encoder 学习率是否为非零值。

问题场景

用户使用 Kohya SS 的 LoRA 训练功能训练 SDXL 模型时，训练日志一切正常，但生成的 safetensors 文件中缺少 TE 键值（TE keys），导致训练出的 LoRA 模型无法保留人物身份特征，面部变得千篇一律，细节丢失。该问题在 Linux、Windows 以及 Docker 环境下均有复现，影响既有默认分支。

报错原文

TE keys missing

（注意：该报错并非显式错误提示，而是用户对比新旧 LoRA 文件内容后发现的差异现象）

原因分析

根本原因在于 Kohya SS v25.0.0+ 版本中，LoRA 训练选项卡的 Text Encoder learning rate 默认值发生了无声变更：

v24.x 版本默认值为 0.0001（与 UNet 学习率一致），训练时会同时训练 UNet 和文本编码器的 LoRA 模块。
v25.0.0+ 版本默认值改为 0，而 UNet learning rate 仍保持 0.0001。

训练程序根据学习率值自动推导训练模式：

当 TE LR 为 0 且 UNet LR 非零时 → 推导为 network_train_unet_only（仅训练 UNet）
当 TE LR 非零且 UNet LR 为 0 时 → 推导为 network_train_text_encoder_only（仅训练文本编码器）

因此，使用默认配置的每次新 LoRA 训练实际上都是 UNet-only 模式，输出的 safetensors 文件中不含任何 TE 键值。训练日志不会报错，用户难以察觉模式变更。

注意：这个 bug 的核心问题不在于 UNet-only 模式本身（某些 SDXL 流程确实推荐此模式），而在于：

模式变更没有被明确告知用户
默认值在两个大版本之间发生了无声翻转
用户得不到任何关于“TE LoRA 不会被训练/写入”的明确提示

环境排查

确认 Kohya SS 版本号：是否从 v24.x 升级到了 v25.0.0+。
确认 LoRA 训练选项卡中 Text Encoder learning rate 的设置值是否为 0。
对比新旧 LoRA 文件：检查 safetensors 文件中是否包含文本编码器相关的键值（TE keys）。
确认训练日志中是否出现 network_train_unet_only 标志。
确认配置文件中 network_train_unet_only 和 network_train_text_encoder_only 的推导逻辑。

解决步骤

可优先尝试：将 Text Encoder learning rate 从默认的 0 修改为非零值（例如恢复为 v24 默认值 0.0001），使训练模式变为同时训练 UNet 和文本编码器。
检查并确保 UNet learning rate 保持为非零值（例如 0.0001），避免因两者同时为 0 导致其他问题。
如果希望保持 UNet-only 模式，请在 UI 中显式确认：将 Text Encoder learning rate 设置为 0，同时确认 UNet learning rate 为非零值，并在训练前查看日志或界面提示，确认你理解此模式将导致输出文件中不含 TE 键值。
建议开发者在 UI 字段中添加提示信息，说明将 TE LR 设为 0 且 UNet LR 非零时，将进入 UNet-only 模式，输出的 safetensors 文件中不包含 TE 键值。
建议在训练启动时的日志行中明确输出当前有效的训练模式（例如 “Training mode: UNet-only (no TE keys will be saved)”）。
检查是否与其他 Issue #3430 相关（配置除了 text_encoder_lr 不同外完全一致），确认 TE LR 设回 0.0001 后质量恢复。

验证方法

训练完成后，检查生成的 safetensors 文件中是否包含 TE 键值（可通过代码或工具查看文件内容）。同时对比新旧 LoRA 在 SDXL 推理时的效果：确保人物特征保持，面部细节丰富不泛化。若使用 v24 相同配置（text_encoder_lr = 0.0001）训练后 TE 键值正常出现且效果恢复，则问题已解决。