كيفية تدريب Flux LoRA (Flux.1 و Flux 2): الدليل المبتدئ خطوة بخطوة

تدريب Flux LoRA هو كيف تعلم نموذج الصور Flux شيئًا لا يعرفه: وجهك، منتجك، أسلوب رسمك، مظهر الكاميرا. النتيجة هي ملف .safetensors واحد بحجم 20 إلى 300 ميجابايت يمكنك استخدامه في أي تطبيق Flux، بما في ذلك Graydient. العملية تحتاج من 15 إلى 30 صورة، بطاقة بذاكرة 12 إلى 16 جيجابايت (أو مستأجرة لمدة ساعة)، ومدرب مجاني. هذا الدليل يشرح كل خطوة لـ Flux.1 dev و Flux 2، وينتهي بكيفية تشغيل LoRA الجديدة هنا.

ستقوم بسبع أشياء: اختيار قاعدة Flux، بناء مجموعة بيانات صغيرة، كتابة التسميات التوضيحية، اختيار مدرب، ضبط بعض الأرقام، التدريب والاختبار، ثم استيراد الملف إلى Graydient. كل خطوة مكتوبة أدناه مع القيم التي تناسب معظم الناس. إذا كان لديك ملف مدرب بالفعل، انتقل إلى قسم استخدامه.

Graydient يشغل LoRAs؛ لكنه لا يدربها. التدريب يتم على بطاقة الرسوميات الخاصة بك، أو على GPU تستأجره بالساعة، أو في مدرب عبر الإنترنت. بمجرد وجود الملف، يمكن لكل خطة Graydient أن تعرضه بسعر ثابت واحد.

ما تحتاجه

من 15 إلى 30 صورة جيدة لموضوع واحد، أو من 30 إلى 60 لأسلوب. صور الهاتف جيدة إذا كانت واضحة ومتنوعة.
بطاقة رسوميات بذاكرة 12 إلى 16 جيجابايت لـ Flux.1 dev أو Flux 2 Klein 4B، أو 24 جيجابايت فأكثر لـ Flux 2 dev. لا تملك بطاقة؟ استأجر واحدة لساعة (انظر أدناه) أو استخدم مدربًا عبر الإنترنت.
مدرب مجاني: AI Toolkit، Kohya sd-scripts (أو واجهة FluxGym فوقه) أو OneTrainer. كلها تعمل على Windows و Linux مع تثبيت Python.
من ساعة إلى ثلاث ساعات، معظمها انتظار. خطة Graydient تهم فقط في النهاية، عندما تريد العرض باستخدام الملف. قارن الخطط والأسعار.

الخطوة 1: اختر قاعدة Flux للتدريب عليها

LoRA مرتبطة بنموذج القاعدة الذي تم تدريبها عليه، لذا ابدأ بالقاعدة التي تريد العرض بها. عائلة Flux لها ثلاثة فروع لا تشترك في LoRAs:

القاعدة	الذاكرة المطلوبة للتدريب	أين يعمل LoRA بعد ذلك
Flux.1 dev	12 إلى 16 جيجابايت مع القاعدة في fp8 ومحسّن 8-بت؛ 24 جيجابايت مريحة	Flux.1 dev، Flux.1 schnell (أضعف)، Flux Krea dev والعديد من تحسينات Flux.1. على Graydient: `<flux-dev>`. أكبر نظام بيئي لـ LoRA؛ اختر هذا إذا لم تكن متأكدًا.
Flux 2 Klein 4B	12 إلى 16 جيجابايت؛ تدرب على نقطة التحقق Klein 4B Base، وليس النسخة المقطرة ذات الأربع خطوات	Klein 4B ونقاط التحقق المبنية عليه فقط. سريع في التدريب والعرض؛ ترخيص Apache 2.0.
Flux 2 Klein 9B	حوالي 24 جيجابايت؛ تدرب على نقطة التحقق Klein 9B Base	Klein 9B فقط. تفاصيل أفضل من 4B، ترخيص غير تجاري.
Flux 2 dev	24 جيجابايت كحد أدنى، 48 جيجابايت مريحة؛ استأجر لهذا إلا إذا كنت تملك 4090 أو 5090	Flux 2 dev ونقاط التحقق المبنية عليه. على Graydient: `<flux2>`. أعلى جودة، أبطأ في التدريب.

القاعدة التي يجب تذكرها: LoRAs الخاصة بـ Flux.1 لا تعمل على Flux 2، و LoRAs الخاصة بـ Flux 2 لا تعمل على Flux.1، و Klein 4B، Klein 9B و Flux 2 dev كل منها يحتاج LoRA خاص به. Krea 2 هو نموذج مختلف، ليس Flux. إذا استخدمت عدة قواعد، درب مرة لكل قاعدة من نفس مجموعة البيانات.

الخطوة 2: بناء مجموعة البيانات

Flux يتعلم بسرعة من مجموعات بيانات صغيرة ونظيفة. الجودة أهم من العدد؛ 20 صورة واضحة ومتنوعة أفضل من 80 شبه مكررة.

اجمع من 15 إلى 30 صورة لشخص أو منتج أو جسم. غيّر الزاوية، المسافة، الإضاءة والخلفية بين اللقطات. ضمن على الأقل ثلث صور مقربة وثلث صور كاملة للجسم أو المنتج.
لأسلوب، اجمع من 30 إلى 60 عملًا بنفس الوسيط وجودة الخط لكن بمواضيع مختلفة: أشخاص، أماكن، أشياء. التنوع هو ما يخبر المدرب أن الموضوع ليس الأسلوب.
أزل الصور الضبابية، الضغط الثقيل، العلامات المائية، النصوص المتراكبة وأي شخص ليس الموضوع. وجه واحد غريب في المجموعة سيظهر في العروض.
الدقة: 1024 بكسل على الجانب الطويل هو المعيار لـ Flux. احتفظ بنسبة العرض إلى الارتفاع مختلطة؛ كل مدرب يصنفها تلقائيًا. لا تمدد الصور إلى مربعات.
ضع الصور في مجلد واحد مع ملف نصي بجانب كل صورة يحمل نفس الاسم. التسمية التوضيحية توضع في الملف النصي: dataset/01.jpg dataset/01.txt dataset/02.jpg dataset/02.txt

الخطوة 3: كتابة التسميات التوضيحية

Flux يقرأ الجمل الطبيعية عبر مشفر النص T5، لذا التسميات التوضيحية هي أوصاف عادية، ليست قوائم كلمات مفتاحية. التسميات تحدد ما يتعلمه LoRA وما يتركه:

لموضوع، ابدأ بكلمة تفعيل ليست كلمة حقيقية، ثم وصف كل شيء ليس الموضوع: الملابس، الوضعية، المكان، الضوء. يتعلم المدرب أن كلمة التفعيل هي الجزء الذي لا تشرحه التسمية.
لأسلوب، وصف محتوى كل صورة ولا تذكر الأسلوب أبدًا. الأسلوب هو ما يتعلمه LoRA عن طريق الحذف، وسيطبقه على أي موضوع تطلبه.
اجعل التسميات جملة أو جملتين. استخدم التسمية التلقائية بـ Florence-2 أو JoyCaption إذا كان لديك أكثر من 30 صورة، ثم اقرأ وصحح أول عشرة يدويًا.
لا تستخدم اسم شخص حقيقي ككلمة تفعيل، ولا تسمّ الأشياء غير الموجودة في الصورة.

تسمية موضوع لـ LoRA شخص: ohwx woman, wearing a grey wool coat, standing on a stone bridge, overcast daylight, looking at the camera

تسمية لأسلوب LoRA، حيث الأسلوب غير مذكور عمدًا: a fishing boat in a harbour at dawn, two men on the pier, fog over the water

الخطوة 4: اختر مدربًا

أربعة مدربين مجانيين ومفتوحي المصدر يغطي كل قاعدة Flux. كلهم يأخذون نفس مجلد مجموعة البيانات وينتجون نفس نوع ملف .safetensors:

AI Toolkit (بواسطة ostris): أكثر مدرب Flux استخدامًا. ملف تكوين YAML واحد لكل تشغيل، واجهة ويب، أوضاع VRAM منخفضة، ودعم Flux.1 dev، Flux 2 dev و Flux 2 Klein. ابدأ التشغيل بـ python run.py config/my_flux_lora.yaml. الخيار الأفضل أولاً.
Kohya sd-scripts و FluxGym: Kohya هو المدرب المخضرم خلف معظم LoRAs لـ Stable Diffusion وله فرع Flux. FluxGym هي واجهة ويب صفحة واحدة فوقه مع إعدادات مسبقة لـ 12، 16 و 20 جيجابايت. جيد عندما تريد نموذج تعبئة، وليس ملفًا للتعديل.
OneTrainer: تطبيق سطح مكتب بواجهة ودية لـ SDXL و Flux.1. اختره إذا كنت تدرب أيضًا LoRAs لـ SDXL وتريد أداة واحدة.
المدربون عبر الإنترنت: مدرب Civitai في الموقع ومدربو Flux على مواقع استضافة GPU يأخذون ملف مضغوط من الصور ويعيدون ملفًا. يكلفون ائتمانات لكل تشغيل ويخفون الإعدادات، لكنك لا تحتاج إلى بطاقة على الإطلاق. الملف الذي ينتجونه يستورد إلى Graydient بنفس الطريقة.

الخطوة 5: ضبط الأرقام الخمسة المهمة

كل مدرب يعرض عشرات الخيارات. اترك الإعدادات الافتراضية ما عدا هذه، التي تحدد مدى قوة، عمومية وحجم LoRA:

الإعداد	Flux.1 dev	Flux 2 Klein 4B (Base)
رتبة الشبكة (البُعد)	16 للوجه أو الجسم، 32 لأسلوب مفصل	16؛ 32 للأنماط
ألفا	يساوي الرتبة	يساوي الرتبة
معدل التعلم	1e-4 إلى 2e-4 (Prodigy أو Adafactor إذا كان المدرب يوفره)	1e-4
الخطوات	من 1000 إلى 2000، بحيث تُرى كل صورة من 60 إلى 120 مرة	من 1000 إلى 2000
الدقة	1024 (768 إذا كانت الذاكرة قليلة)	1024
حجم الدُفعة	1 (2 على 24 جيجابايت)	1 أو 2
الدقة الأساسية	fp8 أساسي مع محسن 8-بت على 12 إلى 16 جيجابايت؛ bf16 على 24 جيجابايت فما فوق	bf16 يناسب 16 جيجابايت؛ fp8 على 12 جيجابايت

اضبط المدرب ليحفظ نقطة تحقق كل 250 خطوة ويُنتج صورتين عينيتين عند كل حفظ، بنفس الموجه والبذرة. هذه العينات هي التي ستختار بها الفائز. Flux.1 dev و Flux 2 dev موجهة بالتوجيه المقطر؛ المدربون يتعاملون مع ذلك نيابة عنك، لذا اترك إعداد التوجيه على الافتراضي.

الخطوة 6: التدريب

ابدأ التشغيل وراقب الذاكرة في الدقيقة الأولى. إذا امتلأت البطاقة وتسربت إلى ذاكرة النظام، أوقف: التدريب سيستغرق وقتًا أطول بعشر مرات وقد يتعطل.
إذا تسربت الذاكرة، غيّر الأساس إلى fp8، فعّل نقطة التحقق التدريجية، استخدم محسن 8-بت AdamW أو Adafactor، خفّض الدقة إلى 768، واحتفظ بحجم الدُفعة 1. أي من هذه يحرر جيجابايتات.
بمجرد أن يعمل بشكل نظيف، اتركه وشأنه. يستغرق Flux.1 dev من ساعة إلى ساعتين لـ 1500 خطوة على بطاقة 16 جيجابايت؛ Klein 4B أسرع؛ يستغرق Flux 2 dev حوالي ساعة على بطاقة 48 جيجابايت مستأجرة.
انظر إلى الصور العينية عند ظهورها. يظهر الموضوع عادةً عند الخطوة 500 ويصبح واضحًا عند 1000. إذا كان مثاليًا عند 750، يمكنك التوقف مبكرًا.

التدريب بطيء وصاخب، وليس هشًا. تشغيل ينجو من الدقيقة الأولى يكاد دائمًا ينتهي. خزّن المتغيرات الكامنة وتضمينات النص قبل التدريب إذا وفر مدربك ذلك؛ يوفر ذاكرة ووقتًا في كل تشغيل.

الخطوة 7: الاختبار واختيار نقطة التحقق الصحيحة

نقطة التحقق الأخيرة نادرًا ما تكون الأفضل. LoRAs المدربة بشكل مفرط تنسخ خلفيات مجموعة البيانات، تحرق التباين وتتوقف عن الاستجابة للموجهات. اختبرها جميعًا:

اكتب أربعة موجهات لا تحتويها مجموعة البيانات: مكان جديد، زي جديد، ضوء مختلف، وسيط مختلف. ثبت البذرة.
أنتج كل نقطة تحقق محفوظة مع الموجهات الأربعة بأوزان LoRA 0.6، 0.8 و1.0.
اختر أقدم نقطة تحقق تضبط الموضوع ولا تزال تتبع الموجهات الجديدة. النقاط الأحدث عادة ما تكون مفرطة الطهي؛ الأقدم غامضة.
أعد تسمية الفائز إلى شيء ستتعرف عليه في مكتبة بعد عام، مثل الموضوع والأساس: my-flux-lora، وليس lora_000750.

لا تملك بطاقة رسومات؟ استأجر واحدة لساعة

تدريب Flux 2 dev، أو أي تدريب Flux على لابتوب، أرخص على بطاقة مستأجرة من وقتك الخاص. بطاقة 24 أو 48 جيجابايت تكلف أقل بكثير من ثمن فنجان قهوة في سوق تأجير GPU، وLoRA من Flux يحتاج من ساعة إلى ساعتين.

استأجر جهازًا ببطاقة 24 جيجابايت لـ Flux.1 dev أو Klein، و48 جيجابايت لـ Flux 2 dev. اختر قالبًا يحتوي على المدرب مثبتًا مسبقًا إذا كان السوق يوفر ذلك؛ قوالب AI Toolkit شائعة.
ارفع مجلد مجموعة البيانات، شغّل نفس الإعدادات أعلاه، وحمّل نقاط التحقق التي تريد اختبارها. تبقى مجموعة البيانات والأوزان ملكك.
أوقف الجهاز عند انتهاء التنزيل. العملية كلها، بما في ذلك الإعداد، عادة أقل من ساعتين تأجير.

استخدم LoRA الخاص بك من Flux على Graydient

Graydient لا يحتاج الملف على جهازك ليُنتج باستخدامه. ضعه حيث يمكن لـ Graydient الوصول إليه واستورد الرابط:

ارفع ملف .safetensors إلى مستودع في حسابك على Hugging Face (عام أو خاص)، أو انشره على Civitai مع تعيين النموذج الأساسي إلى نسخة Flux التي دربت عليها.
تسجيل الدخول إلى Graydient، افتح استيراد النموذج من مكتبة لوحة التحكم، والصق رابط الملف المباشر من Hugging Face أو رابط صفحة Civitai. الخطوات كاملة في كيفية استيراد نماذج Civitai على Graydient.
انتظر ظهور LoRA في مكتبتك وانسخ رمز الاختصار الذي أعطاه Graydient.
أنتج باستخدام وسم LoRA والأساس المطابق في أي تطبيق Graydient: <lora:my-flux-lora:0.8> <flux-dev> لـ LoRA من Flux.1، أو <lora:my-flux2-lora:0.8> <flux2> لـ LoRA من Flux 2. كل تطبيق، وزن وقاعدة تكديس في الدليل المبتدئ لـ Flux و Flux 2 LoRAs على Graydient.

أول إنتاج كامل لـ Telegram أو Discord، مع كلمة التفعيل أولًا وLoRA عند 0.8 على أساس Flux dev: /render ohwx woman, portrait, soft window light, 85mm photo <lora:my-flux-lora:0.8> <flux-dev> /steps:24 /guidance:3.5 /size:1024x1024

التراخيص: ما يمكنك فعله مع LoRA

LoRA هو مشتق من النموذج الأساسي، لذا ترافقه رخصة النموذج الأساسي. تحقق من نص الرخصة الحالي في صفحة النموذج قبل بيع الصور أو الملف:

Flux.1 dev و Flux 2 dev صادرة تحت رخصة Black Forest Labs غير التجارية. المشاريع الشخصية والبحثية مسموح بها؛ الاستخدام التجاري يحتاج رخصتهم التجارية.
Flux 2 Klein 4B (ونقطة التحقق الأساسية الخاصة به) تحت Apache 2.0، لذا LoRAs المدربة عليه لا تحمل قيود نموذج أساسي. Klein 9B تحت الرخصة غير التجارية.
الصور في مجموعة بياناتك لها حقوقها الخاصة. درب على صور التقطتها أو تملكها، ولا تستخدم صور أشخاص حقيقيين بدون موافقتهم.

إذا حدث خطأ ما

نفاد الذاكرة في الدقيقة الأولى: الأساس fp16 مع المحسن لا يناسب. غيّر إلى fp8، AdamW أو Adafactor بثمانية بتات، نقطة تحقق تدريجية، دقة 768، دفعة 1. إذا استمر التسرب، استأجر بطاقة.
LoRA يغير الصورة كلها، ليس الموضوع فقط: التوصيفات لم تصف الخلفية والضوء، فتعلمها المدرب كجزء من كلمة التفعيل. أعد التوصيف مع توضيح السياق وغيّر مجموعة البيانات.
الوجه صحيح عند وزن 1.0 لكن الموجهات مهملة: تدريب مفرط. استخدم نقطة تحقق أقدم. في التشغيل التالي، قلل الخطوات للنصف أو خفّض معدل التعلم إلى 5e-5.
تشابه غامض فقط عند أي وزن: تدريب ناقص، أو مجموعة البيانات متجانسة جدًا. أضف خطوات في كتل 500 خطوة، أو أضف صورًا بزوايا جديدة.
LoRA لا يعمل على Graydient: الأساس لا يتطابق. LoRA من Flux.1 يحتاج <flux-dev>؛ LoRA من Flux 2 يحتاج <flux2>. تحقق أيضًا من وجود كلمة التفعيل في الموجه.
التدريب يعمل لكنه بطيء جدًا: تسرب إلى ذاكرة النظام، أو مجموعة البيانات على قرص بطيء. أصلح الذاكرة كما في النقطة الأولى، خزّن المتغيرات الكامنة، وانقل مجموعة البيانات إلى SSD.

هذه هي الطريقة كلها: أساس واحد، 20 صورة نظيفة، توصيفات صادقة، خمسة أرقام، تشغيل، اختبار. أول LoRA من Flux لن يكون الأفضل، والثاني يستغرق نصف الوقت. عندما يكون الملف موجودًا، تسجيل الدخول إلى Graydient أو قارن الخطط والأسعار للإنتاج به كما تشاء. كل خطة تشمل ضمان استرداد المال لمدة 7 أيام.

الأسئلة

هل يمكن لـ Graydient تدريب LoRA من Flux لي؟

لا. Graydient خدمة إنتاج بسعر ثابت؛ يشغل LoRAs لكنه لا يدربها. درب على بطاقتك الخاصة، أو بطاقة مستأجرة، أو مدرب عبر الإنترنت كما هو موضح أعلاه، ثم استورد الملف. الإنتاج به لاحقًا لا يكلف شيئًا إضافيًا على أي خطة.

كم عدد الصور التي أحتاجها لـ LoRA من Flux؟

من 15 إلى 30 لصورة وجه أو منتج أو جسم؛ من 30 إلى 60 لأسلوب. يتعلم Flux من مجموعات صغيرة. بعد 100 صورة تكون في مرحلة التخصيص الدقيق، وليس تدريب LoRA، وتحتاج إلى المزيد من الخطوات والذاكرة.

كم مقدار VRAM التي يحتاجها تدريب Flux LoRA؟

من 12 إلى 16 جيجابايت لـ Flux.1 dev أو Flux 2 Klein 4B مع الأساس في fp8 ومحسّن 8-بت. حوالي 24 جيجابايت لـ Klein 9B. الحد الأدنى 24 جيجابايت و48 جيجابايت مريح لـ Flux 2 dev. استأجر للأخيرين ما لم تمتلك 4090 أو 5090.

كم يستغرق من الوقت؟

من ساعة إلى ساعتين لـ Flux.1 dev على بطاقة 16 جيجابايت عند 1500 خطوة، أقل لـ Klein 4B، وحوالي ساعة لـ Flux 2 dev على بطاقة 48 جيجابايت مستأجرة. التسمية والاختبار تضيف ساعة أخرى في المرة الأولى.

هل يمكنني تدريب Flux 2 LoRA بنفس طريقة Flux.1 LoRA؟

نعم، بنفس مجموعة البيانات والتسميات. درّب Klein LoRAs على نقاط التحقق Klein Base (4B Base أو 9B Base)، وليس على تلك المقطرة ذات الأربع خطوات، وتذكر أن النتيجة تعمل فقط على ذلك الحجم من Klein. يحتاج Flux 2 dev إلى ذاكرة أكثر، لذا معظم الناس يستأجرون له.

هل أحتاج كلمة تفعيل لـ Flux LoRA؟

لشخص أو جسم، نعم: كلمة مخترعة في بداية كل تسمية، ثم تضعها في بداية كل موجه. للأسلوب، لا حاجة لكلمة تفعيل إذا كانت التسميات تصف المحتوى وليس الأسلوب؛ حينها يطبق LoRA على كل شيء.

هل يمكنني إبقاء LoRA خاصًا؟

نعم. ارفعها إلى مستودع خاص على Hugging Face واستورد رابط الملف أثناء تسجيل الدخول إلى Hugging Face؛ Graydient يجلب فقط الملفات التي يمكن لحسابك تنزيلها. مكتبتك خاصة بك فقط، والملف لا يظهر على ModelTrends أو في أي مكان عام.

شاهد الخطط والأسعار