前言
目前 Flux 出现了 3 个训练工具
SimpleTuner https://github.com/bghira/SimpleTuner，
X-LABS 的https://github.com/XLabs-AI/x-flux
ai-toolkit https://github.com/ostris/ai-toolkit
待支持：https://github.com/kohya-ss/sd-scripts/
目前 前两个没有优化，硬件门槛很高，网友反馈效果不佳
目前测试 ai-toolkit，4090 24G 的显存可以训练
1.安装
#clone代码
git clone https://github.com/ostris/ai-toolkit
#下载子模块依赖
git submodule update --init --recursive
#创建 python 虚拟环境
python -m venv venv
.\venv\Scripts\activate
#安装python依赖包
pip install -r requirements.txt
#这里注意单独去下载安装 torch和 torchvision
网址：https://pytorch.org/
2.下载 FLUX 模型
由于Hugging Face 需要魔法访问，建议提前下载好 FLUX，指定本地路径加载底模
这里选择 魔搭社区
https://modelscope.cn/models/ai-modelscope/flux.1-dev/files
建议用命令行下载，git 下载太慢了，也不能续传
pip install modelscope
下载完整的模型 repo
modelscope download --model ai-modelscope/flux.1-dev
3.修改配置
首先找到 config 下的 examples 目录里的 train_lora_flux_24gb.yaml
复制到 config 进行编辑修改
3.1 配置底模
name_or_path: "FLUX.1-dev'
目前推荐是用 dev 做底模，训练后的 lora 模型 其他也能用。
新建一个文件夹 FLUX.1-dev
将第2 步下载好的模型文件夹移动到FLUX.1-dev文件
3.2 数据集的配置
-folder_path："dataset"
在项目根目录创建dataset文件夹
目前只支持 jpg，jpeg，png 将文件放在 dataset 文件夹里
并创建一个同名的 txt 文件用来描述 图片内容，内容是 触发词，提示词
3.3 批大小调整
batch_size=1 # 配置 1 ，才能运行
3.4 训练步数
steps:2000 设置 500-4000 步
3.5 需要额外再加配置
需要在 datasets 下面手动添加 num_repeates:20
现在不填，默认是 0
4.启动训练
python run.py. config/train_lora_flux_24gb.yaml
观察任务管理器的内存和显存的占用
如果内存占用过高，可以设置win 的虚拟内存
比如 32G 内存的电脑可以设置 32G 的虚拟内存，那么加起来就是 64G
配置里有一个低显存的开关配置 low_vram: true
