Huge difference in Lora training quality VS version 24.x

快速结论：在 Kohya SS 中用同一数据集训练 NoobAIXL（SDXL）LoRA 时，如果新版（v25+）出图提示词遵循度和角色还原度明显不如 24.x，通常不是训练质量整体退化，而是新版把 Text Encoder 学习率默认设为 0，导致实际只训练 UNet、不训练文本编码器 LoRA。优先检查配置里的 Text Encoder learning rate 是否被静默改成了 0。

适用环境：Issue 涉及 Kohya SS（GUI 训练路径）、模型 NoobAIXL（SDXL）、LoRA 训练，配置为 LyCORIS/LoCon、dim/alpha 192、AdamW、cosine、250 epochs，新旧版本对比为 kohya_ss 24.x 与新版（v25+）。Issue 正文与排错记录未确认操作系统、Python、CUDA、显卡型号，这些项目请以本地实际环境为准。

最快修复方案：在新版 kohya_ss 中把 Text Encoder learning rate 从 0 改回 0.0001（与旧配置中 Unet / learning rate 一致），其余设置保持与旧的可用配置相同，用同一数据集重新训练。这是 Issue 排错中给出的明确首选处理方向，但最终是否恢复到 v24 质量需由提问者重训后确认。

注意事项：该修复基于对 old-working.json 与 new-notworking.json 的配置比对，认为唯一关键差异是 text_encoder_lr；在提问者按此重训并回报之前，结论尚未被完全验证。若改回 0.0001 后质量仍不匹配，需要补充确切新版版本号（如 v25.x / v26.0.0）、保存的训练 TOML 或完整启动命令，以及使用的 captions/triggers 样本再排查。

问题场景

用户在 Kohya SS 中训练一个面向 NoobAIXL（SDXL）的 LoRA，使用同一份数据集分别用 24.x 与新版 kohya_ss 各跑一次训练。结果新版在 prompt adherence（提示词遵循度）和具体角色学习上明显变差，v24 效果更好。用户提供了 old-working.json 和 new-notworking.json 两份配置，希望知道如何在新版调参以复现旧版结果。

报错原文

Huge difference in Lora training quality VS version 24.x

原因分析

排错记录比对两份配置后确认：几乎所有训练超参数都一致（LyCORIS/LoCon、dim/alpha 192、AdamW、cosine、250 epochs、相同底模与路径等），唯一实质性差异是 text_encoder_lr——旧可用配置为 0.0001，新不可用配置为 0。

在当前 GUI 训练路径中，当 Text Encoder LR 为 0 而 Unet LR 非 0 时，会触发 UNet-only 训练（network_train_unet_only），即不训练 Text Encoder LoRA。这会直接削弱模型对提示词和角色身份的遵循能力，因此表现为训练质量“变差”。同时，新版 LoRA UI 中 “Text Encoder learning rate” 的默认值就是 0，所以从旧配置重建配置时可能被静默改成仅训练 UNet，而用户不易察觉。相关 Issue #3388（“TE keys missing”）被判定为同一根因。

环境排查

确认当前 kohya_ss 版本号（例如 v25.x / v26.0.0）。
检查训练配置中的 Text Encoder learning rate 是否被设为 0。
检查 Unet learning rate 是否非 0（非 0 时会触发 UNet-only）。
对比新旧配置的 text_encoder_lr、unet_lr 及是否出现 network_train_unet_only 效果。
确认是否使用相同的底模、数据集路径和 captions/triggers。
操作系统、Python、CUDA、PyTorch、显卡型号：Issue 未确认，请以本地实际环境为准。

解决步骤

打开新版 kohya_ss 的 LoRA 训练界面或对应配置。
将 Text Encoder learning rate 设为 0.0001（与旧配置中 Unet / learning rate 保持一致）。
其余参数保持与旧可用配置相同（LyCORIS/LoCon、dim/alpha 192、AdamW、cosine、250 epochs、相同底模与路径等）。
使用同一数据集重新训练。
对比新训练结果与 v24 结果的 prompt adherence 和角色还原度。
若仍不匹配，整理并回报：确切新版版本号、保存的训练 TOML 或完整启动命令、captions/triggers 样本，以便进一步排查。

验证方法

用调整后 text_encoder_lr = 0.0001 的配置重训同一数据集，观察 Text Encoder LoRA 是否正常生成（不再缺失 TE keys），并对比出图的 prompt adherence 与角色身份还原度是否恢复到接近 v24 的水平。如仍未恢复，则说明还存在其他差异，需要按上文补充版本、TOML 和 captions 信息继续排查。