fluxgym：简单易用的FLUX LoRA训练工具

fluxgym：简单易用的FLUX LoRA训练工具

fluxgym Dead simple FLUX LoRA training UI with LOW VRAM support 项目地址: https://gitcode.com/gh_mirrors/fl/fluxgym

项目介绍

fluxgym是一个为训练FLUX LoRA模型设计的简易Web界面，特别适合内存较小的显卡（如12GB、16GB、20GB）使用。该项目通过WebUI提供直观的操作界面，同时利用Kohya Scripts作为后端训练脚本，确保了训练的灵活性和高效性。用户无需在终端中手动运行复杂的命令，即可轻松进行LoRA模型的训练。

项目技术分析

在技术层面，fluxgym的前端是基于AI-Toolkit项目的Gradio UI，后者由@multimodalart贡献。AI-Toolkit项目本身在24GB VRAM的系统上运行得很好，但fluxgym通过集成Kohya Scripts，实现了对更小内存显卡的支持。Kohya Scripts以其强大的功能和灵活性而著称，适用于FLUX模型的训练。通过将这两个工具结合，fluxgym提供了一个简单而强大的训练平台。

后端训练脚本采用了Kohya sd-scripts，这为用户提供了丰富的高级功能，并通过一个隐藏的“高级”选项卡来访问。此外，fluxgym还支持通过Docker安装，使得部署和运行更加方便。

项目技术应用场景

fluxgym适用于那些希望在不具备高性能硬件的情况下，依然能够进行LoRA模型训练的用户。其应用场景包括但不限于：

• 个人研究：研究者可以利用fluxgym进行实验性的模型训练。
• 教育目的：教师和学生可以将其作为教学工具，学习深度学习模型训练。
• 创意制作：艺术家和设计师可以使用fluxgym来训练自定义的LoRA模型，用于创意图像生成。

项目特点

1. 简单易用：fluxgym的设计理念是以最简单的方式提供LoRA模型的训练功能，使得用户无需复杂的技术背景即可使用。
2. 内存支持广泛：支持12GB、16GB、20GB等不同内存大小的显卡，使得更多的用户能够参与到模型训练中。
3. 功能丰富：集成Kohya Scripts的高级功能，用户可以通过隐藏的“高级”选项卡访问更多设置。
4. 自动下载模型：启动训练时，fluxgym能够自动下载所选模型，省去了用户手动下载的步骤。
5. 自定义基础模型：用户可以轻松添加新的支持模型，只需编辑models.yaml文件即可。
6. 一键发布至Huggingface：训练完成后，用户可以轻松将模型发布到Huggingface平台。

通过以上特点，fluxgym无疑为FLUX LoRA模型训练提供了一个高效、灵活且用户友好的解决方案。对于希望探索深度学习模型训练，但又不想陷入复杂配置的用户来说，fluxgym是一个理想的选择。

fluxgym Dead simple FLUX LoRA training UI with LOW VRAM support 项目地址: https://gitcode.com/gh_mirrors/fl/fluxgym