第一次跑 Kohya_ss 的 Flux.1 LoRA 训练四份文件加一份预设一次出模型【免费下载链接】kohya_ss项目地址: https://gitcode.com/GitHub_Trending/ko/kohya_ss最常把人劝退的三件事四个模型文件不知道往哪填、预设里一堆占位符不敢动、跑到一半显存直接爆了。跟着下面这条时间线走一遍终点是一个能直接插进生成工作流的 Flux.1 LoRA 文件。最短成功路径备齐 flux1-dev.safetensors、ae.sft、clip_l.safetensors、t5xxlfp16 版四个文件载入presets/lora/flux1D - adamw8bit fp8.json预设把占位符换成真实路径数据文件夹放 10–50 张图每张配一个同名 .txt填 output_dir、output_name点 Start盯 50 步一存的 checkpoint 和样图挑中间最优的一步四个模型文件各填进哪个框Kohya_ss 的 GUI 里 Flux.1 的全部设置集中在 Flux.1 面板对应源码 kohya_gui/class_flux1.py。四个框和文件一一对应别靠猜框名放什么注意pretrained_model_name_or_pathflux1-dev.safetensors基础模型本体aeVAE Pathae.sft解码 latent、出样图都靠它clip_lCLIP-L Pathclip_l.safetensors选 chroma 类型时这个框会隐藏t5xxlT5-XXL Patht5xxl 的 fp16 版预设原话是 Use the fp16 version别拿 fp8 顶Base Model Type 下拉只有 flux 和 chroma 两项。用 flux1-dev 训练就保持 flux需要 CLIP-Lchroma 面向 schnell 系模型不吃 CLIP-L而且 guidance_scale 会被自动归零第一次没特殊理由别碰它。做完这步应看到四个输入框里都是真实路径而不是 put the full path to ... here 字样。预设加载完哪几个参数必须逐个核对第一次上手别手敲参数。在预设区载入 presets/lora/flux1D - adamw8bit fp8.json它就是为 fp8 省显存场景配好的。载入后核心项长这样核对而不是重填参数值为什么LoRA_typeFlux1决定走 Flux.1 训练分支optimizerAdamW8bit优化器状态按 8 位存比标准 AdamW 省显存mixed_precisionbf16配合 fp8_base 的保守精度组合fp8_basetrue基础模型权重走 fp8显存大头在这learning_rate0.0003Flux LoRA 的常规起点network_dim / network_alpha16 / 16低秩网络的秩与缩放保持 1:1max_train_steps100010–50 张图配 1000 步是常见量级train_batch_size1Flux 的双块体积大batch 1 是显存和收敛都成立的组合显存相关的开关和调度参数预设里已经替你动好了知道各自管什么即可参数值作用gradient_checkpointingtrue用重计算换显存标配flux1_cache_text_encoder_outputstrue缓存文本编码器输出省掉每个 epoch 的重算flux1_cache_text_encoder_outputs_to_disktrue缓存再落盘中断重跑不用从头编码train_blocksall改成 double / single 可只训部分块OOM 时的第一张牌max_grad_norm1梯度裁剪压制 loss 尖峰discrete_flow_shift3离散流偏移调度器默认 3.0timestep_samplingsigmoidGUI 里另有 sigma / uniform / flux_shift 等选项model_prediction_typeraw预设口径guidance_scale1注意 GUI 默认是 3.5预设刻意调低了⚠️ 唯一容易踩的坑guidance_scale 如果你手动重置过面板会回到 3.5和预设不一致。做完这步应看到参数区各项与上表一致没有任何 put the full path 残留。数据集怎么摆10–50 张图配同名 txt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 写标注。预设里 caption_extension 已经是 .txttrain_data_dir 指向图所在的文件夹就行。仓库里的 test/img 目录就是一份可直接对照的样例结构分辨率不用你操心桶机制接管了enable_bucket true、max_resolution 512,512、bucket_reso_steps 64、bucket_no_upscale true。含义是图片按宽高比缩放进桶、步长 64、绝不上采样。别手贱把 max_resolution 往上调显存会直接翻倍。做完这步应看到train_data_dir 指向的文件夹里每张图都能找到同名 .txt目录长相和 test/img 一致。按下 Start 之后盯住哪两个信号启动就四步基础模型四个框已填 → 数据集指向图片文件夹 → output_dir 和 output_name 改成你自己的 → 点 Start。output_name 在预设里是 Flux.my-super-duper-model-name-goes-here-v1.0 这种占位文案记得换掉。训练中只需要盯两处Checkpointsave_every_n_steps 50每 50 步落一个 safetensorssave_precision bf16。好处是最终不满意时可以回头挑中间某一步的 checkpoint 用。Loss 和样图预设的 sample_prompts 是 saruman posing under a stormy lightning sky, photorealistic --w 832 --h 1216 --s 20 --l 4 --d 42采样器用 euler。方向对的标准是 loss 从初始值逐步下滑、样图风格逐步贴近目标两条同时成立才算数单看一条都可能骗你。卡住了按症状对号入座按出现频率从高到低三种症状基本覆盖第一次训练的全部事故显存爆了OOM。先试把 train_blocks 从 all 改成 double 或 single只训部分块多数卡在这一步就解决了。还不够再开 CPU Offload Checkpointing注意它标注是实验性功能。fp8_base bf16 batch 1 已经是保守底牌别再指望调精度。模型加载失败。问题多半出在路径逐个确认四个框是不是完整绝对路径相对路径、少了盘符都会被拒。T5-XXL 单独查一遍要的是 fp16 版而不是 fp8 版。loss 不降或来回震荡。把 learning_rate 降到 0.0001再确认 max_grad_norm 1 没被改动。还不稳就把 min_snr_gamma、loss_type 还原成预设值别在两个都动的时候下结论。开跑前自检数据文件夹里有 10–50 张图每张图旁边都有同名 .txt 标注train_data_dir、output_dir、output_name 三处不再显示预设的占位文案LoRA_type 显示 Flux1Base Model Type 保持 flux用 dev 模型时fp8_base、gradient_checkpointing、文本编码器缓存含落盘缓存四个开关都是开着的T5-XXL 放的是 fp16 版文件不是 fp8 版sample_prompts 已写好目标描述TensorBoard 已打开有把握了再点 Start跑起来之后的事就只有等和看了。【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
