Jak trénovat Flux LoRA (Flux.1 a Flux 2): podrobný návod pro začátečníky

Trénink Flux LoRA je způsob, jak naučit Flux obrazový model něco, co nezná: tvůj obličej, tvůj produkt, tvůj kreslířský styl, vzhled kamery. Výsledkem je jeden .safetensors soubor o velikosti 20 až 300 MB, který můžeš použít v jakékoli Flux aplikaci, včetně Graydient. Proces vyžaduje 15 až 30 obrázků, kartu s 12 až 16 GB paměti (nebo pronajatou na hodinu) a bezplatný tréninkový program. Tento návod tě provede každým krokem pro Flux.1 dev i Flux 2 a končí tím, jak spustit novou LoRA zde.

Uděláš sedm věcí: vybereš základ Flux, sestavíš malý dataset, napíšeš popisky, vybereš tréninkový program, nastavíš pár čísel, natrénuješ a otestuješ, pak importuješ soubor do Graydient. Každý krok je níže rozepsán s hodnotami, které fungují většině lidí. Pokud už máš natrénovaný soubor, skoč rovnou na část o jeho použití.

Graydient LoRA spouští, ale netrénuje. Trénink probíhá na tvé vlastní grafické kartě, na GPU pronajatém na hodinu nebo v online tréninku. Jakmile soubor existuje, každý plán Graydientu s ním může renderovat za jednu pevnou cenu.

Co potřebuješ

• 15 až 30 kvalitních fotek jednoho objektu, nebo 30 až 60 pro styl. Fotky z telefonu jsou v pořádku, pokud jsou ostré a různorodé.
• Grafická karta s 12 až 16 GB paměti pro Flux.1 dev nebo Flux 2 Klein 4B, nebo 24 GB a více pro Flux 2 dev. Nemáš kartu? Pronajmi si ji na hodinu (viz níže) nebo použij online trénink.
• Bezplatný tréninkový program: AI Toolkit, Kohya sd-scripts (nebo rozhraní FluxGym nad ním) nebo OneTrainer. Vše běží na Windows a Linuxu s nainstalovaným Pythonem.
• Jedna až tři hodiny, většinou čekání. Plán Graydientu je důležitý až na konci, když chceš renderovat s hotovým souborem. Porovnej plány a ceny.

Krok 1: vyber základ Flux pro trénink

LoRA je vázaná na základní model, na kterém byla trénována, takže začni se základem, se kterým chceš renderovat. Rodina Flux má tři větve, které LoRA nesdílejí:

Pravidlo k zapamatování: Flux.1 LoRA nefungují na Flux 2, Flux 2 LoRA nefungují na Flux.1 a Klein 4B, Klein 9B a Flux 2 dev potřebují každá vlastní LoRA. Krea 2 je jiný model, ne Flux. Pokud používáš více základů, trénuj jednou pro každý základ ze stejného datasetu.

Krok 2: sestav dataset

Flux se rychle učí z malých, čistých datasetů. Kvalita je důležitější než množství; 20 ostrých a různorodých fotek je lepší než 80 téměř stejných.

1. Nasbírej 15 až 30 fotek osoby, produktu nebo objektu. Měň úhel, vzdálenost, osvětlení a pozadí mezi snímky. Zařaď alespoň třetinu detailních záběrů a třetinu celých těl nebo celých produktů.
2. Pro styl nasbírej 30 až 60 děl se stejným médiem a kvalitou čar, ale různými objekty: lidé, místa, věci. Různorodost říká tréninku, že předmět není styl.
3. Odstraň rozmazání, silnou kompresi, vodoznaky, textové překryvy a kohokoli, kdo není předmětem. Jedna cizí tvář v sadě se objeví ve výstupech.
4. Rozlišení: 1024 pixelů na delší straně je standard pro Flux. Zachovej různé poměry stran; každý trénink je automaticky rozdělí do skupin. Nepřetahuj obrázky na čtverce.
5. Dej obrázky do jedné složky s textovým souborem u každého obrázku se stejným názvem. Popisek napiš do textového souboru: dataset/01.jpg dataset/01.txt dataset/02.jpg dataset/02.txt

Krok 3: napiš popisky

Flux čte přirozené věty přes svůj T5 textový enkodér, takže popisky jsou obyčejné popisy, ne seznamy klíčových slov. Popisky rozhodují, co se LoRA naučí a co nechá být:

• Pro předmět začni spouštěcím slovem, které není skutečné slovo, pak popiš vše, co není předmět: oblečení, pózu, místo, světlo. Trénink se naučí, že spouštěcí slovo je část, kterou popisek nevysvětluje.
• Pro styl popiš obsah každého obrázku a nikdy ne styl. Styl se LoRA naučí vynecháním a pak ho aplikuje na jakýkoli předmět, který zadáš.
• Popisky drž na jedné nebo dvou větách. Automaticky popiš pomocí Florence-2 nebo JoyCaption, pokud máš více než 30 obrázků, pak první deset přečti a oprav ručně.
• Nepoužívej skutečné jméno osoby jako spouštěcí slovo a nepřidávej popisky k věcem, které na obrázku nejsou.

Popisek pro LoRA osoby: ohwx woman, wearing a grey wool coat, standing on a stone bridge, overcast daylight, looking at the camera

Popisek pro LoRA stylu, kde styl není zmíněn: a fishing boat in a harbour at dawn, two men on the pier, fog over the water

Krok 4: vyber tréninkový program

Čtyři bezplatné open-source tréninky pokrývají každý základ Flux. Všechny berou stejnou složku datasetu a vytvářejí stejný typ .safetensors souboru:

• AI Toolkit (od ostris): nejpoužívanější Flux trénink. Jeden YAML konfigurační soubor na běh, webové rozhraní, režimy s nízkou VRAM a podpora Flux.1 dev, Flux 2 dev a Flux 2 Klein. Spusť běh příkazem python run.py config/my_flux_lora.yaml. Nejlepší první volba.
• Kohya sd-scripts a FluxGym: Kohya je veteránský trénink za většinou Stable Diffusion LoRA a má větev Flux. FluxGym je jednorázové webové rozhraní nad ním s přednastaveními pro 12, 16 a 20 GB. Dobré, když chceš formulář k vyplnění, ne soubor k úpravě.
• OneTrainer: desktopová aplikace s přátelským rozhraním pro SDXL a Flux.1. Vyber ji, pokud trénuješ i SDXL LoRA a chceš jeden nástroj.
• Online tréninky: Civitai trénink na místě a Flux tréninky na GPU hostingových stránkách vezmou zip obrázků a vrátí soubor. Stojí kredity za běh a skrývají nastavení, ale nepotřebuješ vůbec žádnou kartu. Soubor, který vytvoří, se importuje do Graydient stejně.

Krok 5: nastav pět důležitých čísel

Každý trénink nabízí desítky možností. Nech výchozí nastavení kromě těchto, které rozhodují, jak silná, obecná a velká LoRA bude:

Nastav trenažér, aby ukládal kontrolní bod každých 250 kroků a při každém uložení vykreslil dva vzorové obrázky se stejným promptem a seedem. Tyto vzorky použiješ k výběru vítěze. Flux.1 dev a Flux 2 dev jsou guidance-distilled; trenažéry to za tebe řeší, takže nech nastavení guidance na výchozí hodnotě.

Krok 6: trénink

1. Spusť běh a sleduj paměť první minutu. Pokud se zaplní karta a přeteče do systémové paměti, zastav: trénink bude desetkrát pomalejší a může spadnout.
2. Pokud paměť přeteče, přepni základ na fp8, zapni gradient checkpointing, použij 8-bitový AdamW nebo Adafactor optimalizátor, sniž rozlišení na 768 a drž dávku na 1. Každá z těchto změn uvolní gigabajty.
3. Jakmile běží čistě, nech to být. Flux.1 dev trvá 1 až 2 hodiny na 1500 kroků na 16 GB kartě; Klein 4B je rychlejší; Flux 2 dev trvá asi hodinu na pronajaté 48 GB kartě.
4. Sleduj vzorové obrázky, jak se objevují. Motiv se obvykle ukáže kolem kroku 500 a je pevný kolem 1000. Pokud je perfektní už na 750, můžeš skončit dřív.

Trénink je pomalý a hlučný, ne křehký. Běh, který přežije první minutu, téměř vždy dokončí. Pokud tvůj trenažér nabízí, ulož si latenty a textové embeddingy před tréninkem; ušetří to paměť i čas při každém běhu.

Krok 7: testuj a vyber správný kontrolní bod

Poslední kontrolní bod málokdy bývá nejlepší. Přetrénované LoRA kopírují pozadí datasetu, ztrácejí kontrast a přestávají poslouchat prompty. Otestuj je všechny:

• Napiš čtyři prompty, které dataset neobsahuje: nové místo, nový outfit, jiné světlo, jiné médium. Fixuj seed.
• Vykresli každý uložený kontrolní bod se čtyřmi promptami při LoRA vahách 0.6, 0.8 a 1.0.
• Vyber nejranější kontrolní bod, který přesně zachytí motiv a stále reaguje na nové prompty. Pozdější jsou obvykle přetrénované; dřívější jsou vágní.
• Přejmenuj vítěze na něco, co poznáš i za rok v knihovně, například podle motivu a základu: my-flux-lora, ne lora_000750.

Nemáš grafickou kartu? Pronajmi si ji na hodinu

Trénink Flux 2 dev nebo jakýkoli Flux trénink na notebooku je levnější na pronajaté kartě než na tvém vlastním čase. 24 nebo 48 GB karta stojí výrazně méně než káva za hodinu na GPU tržištích a Flux LoRA potřebuje jednu až dvě hodiny.

• Pronajmi si stroj s 24 GB kartou pro Flux.1 dev nebo Klein, 48 GB pro Flux 2 dev. Vyber šablonu s předinstalovaným trenažérem, pokud ji tržiště nabízí; šablony AI Toolkit jsou běžné.
• Nahraj složku datasetu, spusť nastavení jako výše a stáhni kontrolní body, které chceš testovat. Dataset i váhy zůstávají tvoje.
• Zastav stroj, jakmile dokončíš stahování. Celé to, včetně nastavení, obvykle trvá méně než dvě hodiny pronájmu.

Použij svůj Flux LoRA na Graydient

Graydient nepotřebuje soubor na tvém počítači, aby s ním vykresloval. Dej ho tam, kde si ho Graydient může stáhnout, a importuj odkaz:

1. Nahraj .safetensors soubor do repozitáře na tvém účtu Hugging Face (veřejný nebo soukromý), nebo ho zveřejni na Civitai s nastaveným základním modelem na verzi Flux, na které jsi trénoval.
2. přihlásit se do Graydient, otevři Model Import z knihovny na dashboardu a vlož přímý odkaz na soubor z Hugging Face nebo odkaz na stránku Civitai. Kompletní postup je v jak importovat modely z Civitai a Hugging Face na Graydient.
3. Počkej, až se LoRA objeví v knihovně, a zkopíruj ShortCode, který jí Graydient dal.
4. Vykresluj s LoRA tagem a odpovídajícím základem v jakékoli aplikaci Graydient: <lora:my-flux-lora:0.8> <flux-dev> pro Flux.1 LoRA nebo <lora:my-flux2-lora:0.8> <flux2> pro Flux 2 LoRA. Každá aplikace, váha a pravidlo skládání je v začátečnický průvodce Flux a Flux 2 LoRA na Graydient.

Kompletní první vykreslení pro Telegram nebo Discord, s trigger slovem na začátku a LoRA na 0.8 na Flux dev základu: /render ohwx woman, portrait, soft window light, 85mm photo <lora:my-flux-lora:0.8> <flux-dev> /steps:24 /guidance:3.5 /size:1024x1024

Licence: co můžeš s LoRA dělat

LoRA je odvozenina svého základního modelu, takže s ní cestuje i základní licence. Před prodejem renderů nebo souboru si zkontroluj aktuální text licence na stránce modelu:

• Flux.1 dev a Flux 2 dev jsou vydány pod nekomerční licencí Black Forest Labs. Osobní projekty a výzkum jsou v pořádku; komerční použití vyžaduje jejich komerční licenci.
• Flux 2 Klein 4B (a jeho Base checkpoint) je pod Apache 2.0, takže LoRA trénované na něm nemají omezení základního modelu. Klein 9B je pod nekomerční licencí.
• Obrázky v datasetu mají svá vlastní práva. Trénuj na fotkách, které jsi pořídil nebo vlastníš, a nikdy ne na skutečné osobě bez jejího souhlasu.

Když něco nefunguje

• Nedostatek paměti v první minutě: základ v fp16 plus optimalizátor se nevejde. Přepni na fp8, 8-bitový AdamW nebo Adafactor, gradient checkpointing, rozlišení 768, dávka 1. Pokud to stále přetéká, pronajmi si kartu.
• LoRA mění celý obrázek, nejen motiv: popisky nepopisovaly pozadí a světlo, takže trenažér se je naučil jako součást trigger slova. Přepiš popisky s jasným kontextem a rozšiř dataset.
• Tvář je správná při váze 1.0, ale prompty jsou ignorovány: přetrénováno. Použij dřívější kontrolní bod. Příště zkrať počet kroků nebo sniž učební rychlost na 5e-5.
• Pouze vágní podobnost při jakékoli váze: nedotrénováno, nebo je dataset příliš jednotný. Přidej kroky po blocích po 500, nebo přidej obrázky z nových úhlů.
• LoRA na Graydient nic nedělá: základ nesedí. Flux.1 LoRA potřebuje <flux-dev>; Flux 2 LoRA potřebuje <flux2>. Také zkontroluj, že trigger slovo je v promptu.
• Trénink běží, ale je bolestně pomalý: přetekl do systémové paměti, nebo je dataset na pomalém disku. Oprav paměť jako v prvním bodě, ulož latenty do cache a přesuň dataset na SSD.

To je celý postup: jeden základ, 20 čistých obrázků, poctivé popisky, pět čísel, běh, test. Tvůj první Flux LoRA nebude nejlepší a druhý zabere polovinu času. Jakmile soubor existuje, přihlásit se do Graydient nebo porovnej plány a ceny a vykresluj s ním kolikrát chceš. Každý plán obsahuje 7denní záruku vrácení peněz.

Otázky

Podívej se na plány a ceny