企业官网建设流程全解析

Kohya_ss Flux.1 LoRA 训练完整教程：一次跑通可用的 Flux.1 LoRA

【免费下载链接】kohya_ss项目地址: https://gitcode.com/GitHub_Trending/ko/kohya_ss

本文讲清 Kohya_ss Flux.1 LoRA 训练的完整流程：10–50 张图就位、改几处参数、按下 Start，最终产出一个可直接插进生成工作流的 Flux.1 LoRA 文件。

先摆清预期：四份模型资产与显存预估

GUI 里 Flux.1 的全部设置集中在 "Flux.1" 面板，对应源码在 kohya_gui/class_flux1.py。开训前先把四个文件放到磁盘，再把路径填进对应字段：

预设文件 presets/lora/flux1D - adamw8bit fp8.json 里这四处都写着 "put the full path to ... here"，套用预设唯一要做的，就是把它们替换成真实路径。

Base Model Type 下拉有两项：flux 和 chroma。flux 是标准 Flux.1-dev，需要 CLIP-L；chroma 面向 schnell 系模型，不要 CLIP-L，且 guidance_scale 会自动归零。用 flux1-dev 训练就保持 flux。

显存预期：这套 fp8 基座 + bf16 + batch 1 是省显存组合。想调高分辨率或 batch，显存会跟着涨，动手前先按自己的显卡估一下。

训练数据先行：图片与同名标注的准备

目标人物（或风格）的图 10–50 张，每张图旁边放一个同名 .txt 标注文件。预设里 caption_extension 已是 .txt，图放进 train_data_dir 指到的文件夹即可。

 仓库 test/img 中的 512x512 示例图，是 Flux LoRA 训练数据的常见尺寸

 图片旁的同名 .txt 就是它的标注

标注文本不用讲究，一句英文描述风格加主体即可，仓库示例是 "a painting of a steam punk skull with a gas mask, by darius kawasaki"。

分辨率交给桶机制——它把图片按宽高比缩放进就近的预设档位。预设里 enable_bucket = true、max_resolution = 512,512、bucket_reso_steps = 64、bucket_no_upscale = true，含义是只缩不放、绝不上采样。max_resolution 别自己调高，显存会直接翻倍。

参数只需动这几处：预设加载与关键开关

第一次跑不要手写参数，在 GUI 预设区直接载入 flux1D - adamw8bit fp8 预设，它就是为 fp8 省显存训练准备的。正文真正要理解的只有七处：

1. train_batch_size = 1：Flux 的双块（double blocks）体积很大，batch 1 是显存和收敛都成立的组合。
2. optimizer = AdamW8bit：优化器状态用 8 位存储，比普通 AdamW 省显存。
3. fp8_base = true：基座模型用 8 位精度（fp8，8 位浮点）参与训练，这是预设省显存的核心。
4. mixed_precision = bf16：训练精度，与 fp8 基座配套使用。
5. gradient_checkpointing = true：用重计算换显存，代价只是多花一点时间。
6. learning_rate = 0.0003，network_dim = network_alpha = 16：10–50 张图规模下验证过的搭配。
7. max_train_steps = 1000：1000 步足够练出一个可用 LoRA。

其余参数预设已写好，对照这张表确认即可：

启动训练、盯盘与挑出最好的一步

启动共四步：

1. 填好并确认四个模型路径
2. 加载数据集，确认 train_data_dir 指向图片文件夹
3. 把 output_dir 和 output_name 改成自己的
4. 点 Start

训练中盯两处：

• Checkpoint（检查点快照）：save_every_n_steps = 50，每 50 步落盘一个 safetensors（save_precision = bf16）。最终效果不理想，也能从中间挑最好的一步。
• Loss 与样图：预设 sample_prompts 是一条带 --w 832 --h 1216 等参数的提示词，采样器为 euler。loss 应逐渐下降，样图逐步趋近目标人物，两者同时成立才算方向对。

出问题时按现象查

fp8_base + bf16 已是保守方案，多数 OOM 靠减块就能解决。

启动前自检：六项逐条过一遍

1. flux1-dev、ae.sft、CLIP-L、T5-XXL（fp16）四个文件就位，路径已填
2. 预设已加载，LoRA_type 显示为 Flux1
3. 显存开关打开：fp8_base、gradient_checkpointing、文本编码器缓存（含落盘）
4. train_data_dir 有 10–50 张图，每张配同名 .txt
5. output_dir、output_name 已改成自己的
6. 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