Kohya_ss Flux 训练一次跑通Flux.1 LoRA 配置六步避坑【免费下载链接】kohya_ss项目地址: https://gitcode.com/GitHub_Trending/ko/kohya_ss想在 Flux.1 上微调自己的 LoRA却找不到 Kohya_ss Flux 训练的 GUI 配置入口本文用六步带你跑通第一次 Flux LoRA 训练下文件、填字段、加载预设、点训练。跑通前提环境要求Python 3.10 以上NVIDIA GPU 显存 16GB 起步只有 12GB 时必须开fp8_base并把max_bucket_reso压在 1024 以内。执行git clone https://gitcode.com/GitHub_Trending/ko/kohya_ss获取项目装好依赖后用./gui.shLinux或gui.batWindows启动 GUI。模型文件建议全部放在同一目录路径里出现空格或中文会直接导致加载失败。另外注意 VAE 的文件扩展名是.sft不是.safetensors不要手滑改名。文件用途建议存放位置flux1-dev.safetensorsFlux.1 基础模型训练主模型models/flux/clip_l.safetensorsCLIP-L 文本编码器models/flux/t5xxl_fp16.safetensorsT5-XXL 文本编码器用 fp16 版本models/flux/ae.sftVAE负责潜在空间编码models/flux/上图为训练集中单张图片的示例。仓库 test/img/ 下自带一套带 .txt 标注的示例数据目录结构和标注命名都可以直接参照拿它先试跑一遍再换自己的数据。在 GUI 里启用 Flux 训练启动 GUI 后进入 LoRA 选项卡在 Source Model 区域勾选 Flux.1 复选框Flux.1 参数面板随即展开。所有 Flux 专属参数都集中在这个面板里控件定义见 kohya_gui/class_flux1.py。必改字段共 5 个其余保持默认即可Base Model基础模型路径填入flux1-dev.safetensors对应pretrained_model_name_or_pathVAE Path填入ae.sftCLIP-L Path填入clip_l.safetensorsT5-XXL Path填入t5xxl_fp16.safetensors不要选 fp32 版本Discrete Flow Shift保持默认 3.0这 5 个值与预设文件里的字段完全一致填完后应长这样{ LoRA_type: Flux1, pretrained_model_name_or_path: flux1-dev.safetensors 的完整路径, ae: ae.sft 的完整路径, clip_l: clip_l.safetensors 的完整路径, t5xxl: t5xxl_fp16.safetensors 的完整路径, discrete_flow_shift: 3 }面板里的 Base Model Type 下拉框若出现chroma选项保持选fluxchroma是给 schnell 架构用的不需要 CLIP-L。官方 Flux LoRA 预设里哪几个参数要动仓库自带可直接加载的预设presets/lora/flux1D - adamw8bit fp8.json。在 GUI 的预设加载里选中该文件全部参数一次填好无需逐项手配。其中 8 项决定显存占用和训练行为加载后重点核对参数默认值作用何时需要改LoRA_typeFlux1网络类型标识自动路由到 Flux 训练代码不需要改optimizerAdamW8bit8bit 量化优化器明显省显存bitsandbytes 装不上时换 AdamWmixed_precisionbf16训练精度显卡不支持 bf16如 V100时换 fp16fp8_basetrue基础模型以 fp8 加载显存约减半显存充裕时可关掉精度略稳discrete_flow_shift3Euler Discrete 调度器的流偏移影响时间步分布训练更高分辨率时调到 4.0–5.0model_prediction_typeraw模型输出形式需与调度器匹配切换采样方式时才动timestep_samplingsigmoid时间步采样策略人物 LoRA 保持默认flux1_cache_text_encoder_outputstrue预计算并缓存文本编码器输出加速训练磁盘空间紧张时关闭数据准备与启动训练数据集推荐值区间15–30 张图长边 512–1024.txt 标注与图片同名同目录每段标注开头写同一个固定触发词。桶参数min_bucket_reso256max_bucket_reso1024预设默认 204816GB 卡建议降为 1024bucket_reso_steps64并打开bucket_no_upscale避免把小图放大训练。确认数据无误后按顺序启动确认 VAE、CLIP-L、T5 三个路径与基础模型路径全部非空填写train_data_dir图片文件夹、output_dir和output_name加载预设flux1D - adamw8bit fp8.json覆盖参数再核对 GUI 里的 5 个字段设置max_train_steps1000、train_batch_size1、save_every_n_steps50勾选 Cache Text Encoder Outputs 及其磁盘缓存选项点击 Train观察日志确认前 100 步 loss 呈下降趋势卡住时先查这里 现象最可能原因一个处置动作训练启动即报 CUDA out of memoryfp8_base 未开或 max_bucket_reso 过高打开 fp8_base并把 max_bucket_reso 降到 1024加载模型时报 file not found路径写错或指向了文件夹而非文件逐一确认 3 个路径都指向具体 .safetensorsloss 上下跳动不下降学习率过高learning_rate 从 0.0003 降到 0.0001速度极慢卡在文本编码阶段文本编码器缓存未启用勾选 Cache Text Encoder Outputs 两项采样图发糊、细节不足桶分辨率低于原图实际分辨率max_bucket_reso 恢复 1024并确认原图长边 512 以上第一次跑通之后显存吃紧时把train_blocks从all改为double或single可训练参数减少收敛更快。显存充裕时把fp8_base改为 false全程 bf16权重会更稳一些。之后可试开 Split Mode 做分块训练或把timestep_sampling换成flux_shift对比采样图差异再定最终方案。【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 
长河君 · 2026/9/14 19:02:12 · 阅读 1.2k Kohya_ss Flux 训练一次跑通：Flux.1 LoRA 配置六步避坑
Kohya_ss Flux 训练一次跑通Flux.1 LoRA 配置六步避坑【免费下载链接】kohya_ss项目地址: https://gitcode.com/GitHub_Trending/ko/kohya_ss想在 Flux.1 上微调自己的 LoRA却找不到 Kohya_ss Flux 训练的 GUI 配置入口本文用六步带你跑通第一次 Flux LoRA 训练下文件、填字段、加载预设、点训练。跑通前提环境要求Python 3.10 以上NVIDIA GPU 显存 16GB 起步只有 12GB 时必须开fp8_base并把max_bucket_reso压在 1024 以内。执行git clone https://gitcode.com/GitHub_Trending/ko/kohya_ss获取项目装好依赖后用./gui.shLinux或gui.batWindows启动 GUI。模型文件建议全部放在同一目录路径里出现空格或中文会直接导致加载失败。另外注意 VAE 的文件扩展名是.sft不是.safetensors不要手滑改名。文件用途建议存放位置flux1-dev.safetensorsFlux.1 基础模型训练主模型models/flux/clip_l.safetensorsCLIP-L 文本编码器models/flux/t5xxl_fp16.safetensorsT5-XXL 文本编码器用 fp16 版本models/flux/ae.sftVAE负责潜在空间编码models/flux/上图为训练集中单张图片的示例。仓库 test/img/ 下自带一套带 .txt 标注的示例数据目录结构和标注命名都可以直接参照拿它先试跑一遍再换自己的数据。在 GUI 里启用 Flux 训练启动 GUI 后进入 LoRA 选项卡在 Source Model 区域勾选 Flux.1 复选框Flux.1 参数面板随即展开。所有 Flux 专属参数都集中在这个面板里控件定义见 kohya_gui/class_flux1.py。必改字段共 5 个其余保持默认即可Base Model基础模型路径填入flux1-dev.safetensors对应pretrained_model_name_or_pathVAE Path填入ae.sftCLIP-L Path填入clip_l.safetensorsT5-XXL Path填入t5xxl_fp16.safetensors不要选 fp32 版本Discrete Flow Shift保持默认 3.0这 5 个值与预设文件里的字段完全一致填完后应长这样{ LoRA_type: Flux1, pretrained_model_name_or_path: flux1-dev.safetensors 的完整路径, ae: ae.sft 的完整路径, clip_l: clip_l.safetensors 的完整路径, t5xxl: t5xxl_fp16.safetensors 的完整路径, discrete_flow_shift: 3 }面板里的 Base Model Type 下拉框若出现chroma选项保持选fluxchroma是给 schnell 架构用的不需要 CLIP-L。官方 Flux LoRA 预设里哪几个参数要动仓库自带可直接加载的预设presets/lora/flux1D - adamw8bit fp8.json。在 GUI 的预设加载里选中该文件全部参数一次填好无需逐项手配。其中 8 项决定显存占用和训练行为加载后重点核对参数默认值作用何时需要改LoRA_typeFlux1网络类型标识自动路由到 Flux 训练代码不需要改optimizerAdamW8bit8bit 量化优化器明显省显存bitsandbytes 装不上时换 AdamWmixed_precisionbf16训练精度显卡不支持 bf16如 V100时换 fp16fp8_basetrue基础模型以 fp8 加载显存约减半显存充裕时可关掉精度略稳discrete_flow_shift3Euler Discrete 调度器的流偏移影响时间步分布训练更高分辨率时调到 4.0–5.0model_prediction_typeraw模型输出形式需与调度器匹配切换采样方式时才动timestep_samplingsigmoid时间步采样策略人物 LoRA 保持默认flux1_cache_text_encoder_outputstrue预计算并缓存文本编码器输出加速训练磁盘空间紧张时关闭数据准备与启动训练数据集推荐值区间15–30 张图长边 512–1024.txt 标注与图片同名同目录每段标注开头写同一个固定触发词。桶参数min_bucket_reso256max_bucket_reso1024预设默认 204816GB 卡建议降为 1024bucket_reso_steps64并打开bucket_no_upscale避免把小图放大训练。确认数据无误后按顺序启动确认 VAE、CLIP-L、T5 三个路径与基础模型路径全部非空填写train_data_dir图片文件夹、output_dir和output_name加载预设flux1D - adamw8bit fp8.json覆盖参数再核对 GUI 里的 5 个字段设置max_train_steps1000、train_batch_size1、save_every_n_steps50勾选 Cache Text Encoder Outputs 及其磁盘缓存选项点击 Train观察日志确认前 100 步 loss 呈下降趋势卡住时先查这里 现象最可能原因一个处置动作训练启动即报 CUDA out of memoryfp8_base 未开或 max_bucket_reso 过高打开 fp8_base并把 max_bucket_reso 降到 1024加载模型时报 file not found路径写错或指向了文件夹而非文件逐一确认 3 个路径都指向具体 .safetensorsloss 上下跳动不下降学习率过高learning_rate 从 0.0003 降到 0.0001速度极慢卡在文本编码阶段文本编码器缓存未启用勾选 Cache Text Encoder Outputs 两项采样图发糊、细节不足桶分辨率低于原图实际分辨率max_bucket_reso 恢复 1024并确认原图长边 512 以上第一次跑通之后显存吃紧时把train_blocks从all改为double或single可训练参数减少收敛更快。显存充裕时把fp8_base改为 false全程 bf16权重会更稳一些。之后可试开 Split Mode 做分块训练或把timestep_sampling换成flux_shift对比采样图差异再定最终方案。【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