Kohya_ss Flux.1 LoRA 训练完整指南第一次就能跑通【免费下载链接】kohya_ss项目地址: https://gitcode.com/GitHub_Trending/ko/kohya_ssKohya_ss 的 Flux.1 LoRA 训练终点是一个能直接插进生成工作流的 safetensors 文件。本文按“准备模型资产 → 加载预设改参数 → 放数据与标注 → 启动并监控”的顺序走一遍中途卡住直接翻最后的报错排查一节。Kohya_ss Flux LoRA 训练需要哪些文件GUI 里的 Flux.1 面板对应源码是kohya_gui/class_flux1.py。开训前要先填齐四个文件的路径先把文件都放到磁盘上表单字段实际放什么备注pretrained_model_name_or_pathflux1-dev.safetensorsFlux.1 基础模型训练主体aeVAE Pathae.sftVAE解码 latent 与出样图用clip_lCLIP-L Pathclip_l.safetensorsCLIP-L 文本编码器t5xxlT5-XXL Patht5xxlfp16 版预设注明用 fp16 版别拿 fp8Base Model Type 若选 chroma面向 schnell 系模型则不需要 CLIP-Lguidance_scale 也会自动归零。用 flux1-dev 训练就保持 flux 不变。预设presets/lora/flux1D - adamw8bit fp8.json里这四个字段全是 put the full path to … here 占位符套用预设时唯一要做的就是把它们逐个换成真实绝对路径。Flux 训练配置参数怎么配第一次跑别手写参数在预设区直接载入presets/lora/flux1D - adamw8bit fp8.json这是为 fp8 省显存训练准备的。两个取值最要紧train_batch_size 固定 1因为 Flux 的 double blocks 显存占用大batch 1 是显存与收敛都能同时成立的唯一组合优化器选 AdamW8bit优化器状态量化到 8 位比常规 AdamW 的显存足迹小得多。同时确认 LoRA_type Flux1、mixed_precision bf16、fp8_base true、learning_rate 0.0003、network_dim 16、network_alpha 16、max_train_steps 1000。其余参数收拢在表里参数取值来源与说明discrete_flow_shift3预设默认离散流偏移timestep_samplingsigmoid预设默认GUI 另有 sigma / uniform 可选model_prediction_typeraw预设默认guidance_scale1预设值GUI 默认为 3.5flux1_cache_text_encoder_outputstrue预设已开缓存文本编码器输出免每个 epoch 重算flux1_cache_text_encoder_outputs_to_disktrue预设已开缓存落盘中断重跑更快gradient_checkpointingtrue预设已开以重计算换显存train_blocksall预设默认改成 double / single 只训部分块省显存max_grad_norm1预设默认梯度裁剪防 loss 尖峰Flux.1 训练数据与标注的配对规则目标人物或风格的图 10–50 张即可每张配一个同名 .txt 文件放进同一文件夹。预设里 train_data_dir 与 caption_extension .txt 已写好图放进去就能跑。标注写成描述句主体、动作、场景一起写别只写一个词。512x512 是 Flux.1 LoRA 训练数据的常见尺寸图片旁的同名 .txt 就是这张图的标注文件分辨率交给桶机制处理预设 enable_bucket true、max_resolution 512,512、bucket_reso_steps 64、bucket_no_upscale true图片按宽高比缩放进桶绝不上采样。max_resolution 不要自行调高显存曲线会立刻翻倍。启动 Kohya_ss Flux 训练与监控要点启动四步选基础模型 → 确认数据集目录里有图 → 把 output_dir 与 output_name 改成自己的 → 点 Start。完整参数含义可查 docs/train_README.md。训练中盯三处Checkpointsave_every_n_steps 50每 50 步落一个 safetensorssave_precision bf16最终效果不理想也能回挑中间最好的一步。Loss应从初始值逐渐下降横盘或来回震荡就说明方向不对。样图预设 sample_prompts 是 saruman posing under a stormy lightning sky, photorealistic --w 832 --h 1216 --s 20 --l 4 --d 42euler 采样器风格应逐步趋近目标。Flux 训练报错怎么排查⚠️ 报错分文件级、参数级、效果级三层先对号入座再动手。文件级模型加载失败。九成是路径问题。逐一核对四个位置是否都是完整绝对路径T5-XXL 文件注意拿 fp16 版别拿成 fp8。路径确认无误就重新下载文件排除损坏。参数级显存不足 OOM。先把 train_blocks 从 all 改成 double 或 single降掉一块显存压力仍不够再开实验性的 CPU Offload Checkpointing。fp8_base bf16 已是保守方案多数情况减块加 batch 1 就能过。效果级loss 不降或震荡。learning_rate 降到 0.0001确认 max_grad_norm 1 生效仍不稳就把 min_snr_gamma、loss_type 还原成预设默认值。启动前自查清单flux1-dev、VAE、CLIP-L、T5-XXLfp16四个文件就位路径已填预设已加载LoRA_type Flux1fp8_base、gradient_checkpointing、文本编码器缓存三个显存开关已开train_data_dir 有 10–50 张图每张配同名 .txtoutput_dir、output_name 已改成自己的样图 prompt 已写TensorBoard 已打开【免费下载链接】kohya_ss项目地址: https://gitcode.com/GitHub_Trending/ko/kohya_ss创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Kohya_ss Flux.1 LoRA 训练完整指南：第一次就能跑通
Kohya_ss Flux.1 LoRA 训练完整指南第一次就能跑通【免费下载链接】kohya_ss项目地址: https://gitcode.com/GitHub_Trending/ko/kohya_ssKohya_ss 的 Flux.1 LoRA 训练终点是一个能直接插进生成工作流的 safetensors 文件。本文按“准备模型资产 → 加载预设改参数 → 放数据与标注 → 启动并监控”的顺序走一遍中途卡住直接翻最后的报错排查一节。Kohya_ss Flux LoRA 训练需要哪些文件GUI 里的 Flux.1 面板对应源码是kohya_gui/class_flux1.py。开训前要先填齐四个文件的路径先把文件都放到磁盘上表单字段实际放什么备注pretrained_model_name_or_pathflux1-dev.safetensorsFlux.1 基础模型训练主体aeVAE Pathae.sftVAE解码 latent 与出样图用clip_lCLIP-L Pathclip_l.safetensorsCLIP-L 文本编码器t5xxlT5-XXL Patht5xxlfp16 版预设注明用 fp16 版别拿 fp8Base Model Type 若选 chroma面向 schnell 系模型则不需要 CLIP-Lguidance_scale 也会自动归零。用 flux1-dev 训练就保持 flux 不变。预设presets/lora/flux1D - adamw8bit fp8.json里这四个字段全是 put the full path to … here 占位符套用预设时唯一要做的就是把它们逐个换成真实绝对路径。Flux 训练配置参数怎么配第一次跑别手写参数在预设区直接载入presets/lora/flux1D - adamw8bit fp8.json这是为 fp8 省显存训练准备的。两个取值最要紧train_batch_size 固定 1因为 Flux 的 double blocks 显存占用大batch 1 是显存与收敛都能同时成立的唯一组合优化器选 AdamW8bit优化器状态量化到 8 位比常规 AdamW 的显存足迹小得多。同时确认 LoRA_type Flux1、mixed_precision bf16、fp8_base true、learning_rate 0.0003、network_dim 16、network_alpha 16、max_train_steps 1000。其余参数收拢在表里参数取值来源与说明discrete_flow_shift3预设默认离散流偏移timestep_samplingsigmoid预设默认GUI 另有 sigma / uniform 可选model_prediction_typeraw预设默认guidance_scale1预设值GUI 默认为 3.5flux1_cache_text_encoder_outputstrue预设已开缓存文本编码器输出免每个 epoch 重算flux1_cache_text_encoder_outputs_to_disktrue预设已开缓存落盘中断重跑更快gradient_checkpointingtrue预设已开以重计算换显存train_blocksall预设默认改成 double / single 只训部分块省显存max_grad_norm1预设默认梯度裁剪防 loss 尖峰Flux.1 训练数据与标注的配对规则目标人物或风格的图 10–50 张即可每张配一个同名 .txt 文件放进同一文件夹。预设里 train_data_dir 与 caption_extension .txt 已写好图放进去就能跑。标注写成描述句主体、动作、场景一起写别只写一个词。512x512 是 Flux.1 LoRA 训练数据的常见尺寸图片旁的同名 .txt 就是这张图的标注文件分辨率交给桶机制处理预设 enable_bucket true、max_resolution 512,512、bucket_reso_steps 64、bucket_no_upscale true图片按宽高比缩放进桶绝不上采样。max_resolution 不要自行调高显存曲线会立刻翻倍。启动 Kohya_ss Flux 训练与监控要点启动四步选基础模型 → 确认数据集目录里有图 → 把 output_dir 与 output_name 改成自己的 → 点 Start。完整参数含义可查 docs/train_README.md。训练中盯三处Checkpointsave_every_n_steps 50每 50 步落一个 safetensorssave_precision bf16最终效果不理想也能回挑中间最好的一步。Loss应从初始值逐渐下降横盘或来回震荡就说明方向不对。样图预设 sample_prompts 是 saruman posing under a stormy lightning sky, photorealistic --w 832 --h 1216 --s 20 --l 4 --d 42euler 采样器风格应逐步趋近目标。Flux 训练报错怎么排查⚠️ 报错分文件级、参数级、效果级三层先对号入座再动手。文件级模型加载失败。九成是路径问题。逐一核对四个位置是否都是完整绝对路径T5-XXL 文件注意拿 fp16 版别拿成 fp8。路径确认无误就重新下载文件排除损坏。参数级显存不足 OOM。先把 train_blocks 从 all 改成 double 或 single降掉一块显存压力仍不够再开实验性的 CPU Offload Checkpointing。fp8_base bf16 已是保守方案多数情况减块加 batch 1 就能过。效果级loss 不降或震荡。learning_rate 降到 0.0001确认 max_grad_norm 1 生效仍不稳就把 min_snr_gamma、loss_type 还原成预设默认值。启动前自查清单flux1-dev、VAE、CLIP-L、T5-XXLfp16四个文件就位路径已填预设已加载LoRA_type Flux1fp8_base、gradient_checkpointing、文本编码器缓存三个显存开关已开train_data_dir 有 10–50 张图每张配同名 .txtoutput_dir、output_name 已改成自己的样图 prompt 已写TensorBoard 已打开【免费下载链接】kohya_ss项目地址: https://gitcode.com/GitHub_Trending/ko/kohya_ss创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考