Cara melatih Flux LoRA (Flux.1 dan Flux 2): panduan pemula langkah demi langkah

Latihan Flux LoRA adalah cara anda mengajar model imej Flux sesuatu yang ia tidak tahu: wajah anda, produk anda, gaya lukisan anda, rupa kamera. Hasilnya adalah satu fail .safetensors berukuran 20 hingga 300 MB yang boleh anda gunakan dalam mana-mana aplikasi Flux, termasuk Graydient. Proses ini memerlukan 15 hingga 30 gambar, kad dengan memori 12 hingga 16 GB (atau yang disewa selama sejam), dan jurulatih percuma. Panduan ini menerangkan setiap langkah untuk Flux.1 dev dan Flux 2, dan berakhir dengan cara menjalankan LoRA baru anda di sini.

Anda akan melakukan tujuh perkara: pilih asas Flux, bina set data kecil, tulis kapsyen, pilih jurulatih, tetapkan beberapa nombor, latih dan uji, kemudian import fail ke Graydient. Setiap langkah diterangkan di bawah dengan nilai yang sesuai untuk kebanyakan orang. Jika anda sudah ada fail terlatih, terus ke bahagian menggunakan fail itu.

Graydient menjalankan LoRA; ia tidak melatihnya. Latihan berlaku pada kad grafik anda sendiri, pada GPU yang anda sewa sejam, atau dalam jurulatih dalam talian. Setelah fail wujud, setiap pelan Graydient boleh merender dengannya dengan harga tetap.

Apa yang anda perlukan

15 hingga 30 gambar yang baik tentang satu subjek, atau 30 hingga 60 untuk gaya. Gambar telefon boleh digunakan jika tajam dan pelbagai.
Kad grafik dengan memori 12 hingga 16 GB untuk Flux.1 dev atau Flux 2 Klein 4B, atau 24 GB ke atas untuk Flux 2 dev. Tiada kad? Sewa satu selama sejam (lihat di bawah) atau gunakan jurulatih dalam talian.
Jurulatih percuma: AI Toolkit, Kohya sd-scripts (atau antara muka FluxGym di atasnya) atau OneTrainer. Semua berjalan di Windows dan Linux dengan Python dipasang.
Satu hingga tiga jam, kebanyakannya menunggu. Pelan Graydient hanya penting pada akhir, apabila anda mahu merender dengan fail itu. Bandingkan pelan dan harga.

Langkah 1: pilih asas Flux untuk dilatih

LoRA terikat pada model asas yang dilatih, jadi mulakan dengan asas yang anda mahu gunakan untuk merender. Keluarga Flux ada tiga cabang yang tidak berkongsi LoRA:

Asas	Memori untuk latihan	Di mana LoRA dijalankan selepas itu
Flux.1 dev	12 hingga 16 GB dengan asas dalam fp8 dan pengoptimum 8-bit; 24 GB lebih selesa	Flux.1 dev, Flux.1 schnell (lebih lemah), Flux Krea dev dan banyak fine-tune Flux.1. Di Graydient: `<flux-dev>`. Ekosistem LoRA terbesar; pilih ini jika tidak pasti.
Flux 2 Klein 4B	12 hingga 16 GB; latih pada checkpoint Klein 4B Base, bukan yang 4-langkah distilled	Hanya Klein 4B dan checkpoint berasaskan Klein 4B. Cepat dilatih dan cepat dirender; lesen Apache 2.0.
Flux 2 Klein 9B	Kira-kira 24 GB; latih pada checkpoint Klein 9B Base	Hanya Klein 9B. Butiran lebih baik daripada 4B, lesen bukan komersial.
Flux 2 dev	Minimum 24 GB, 48 GB selesa; sewa untuk ini kecuali anda memiliki 4090 atau 5090	Flux 2 dev dan checkpoint berasaskan Flux 2 dev. Di Graydient: `<flux2>`. Kualiti tertinggi, paling lambat dilatih.

Peraturan yang perlu diingat: LoRA Flux.1 tidak berfungsi pada Flux 2, LoRA Flux 2 tidak berfungsi pada Flux.1, dan Klein 4B, Klein 9B dan Flux 2 dev masing-masing memerlukan LoRA sendiri. Krea 2 adalah model berbeza, bukan Flux. Jika anda menggunakan beberapa asas, latih sekali untuk setiap asas dari set data yang sama.

Langkah 2: bina set data

Flux belajar dengan cepat dari set data kecil dan bersih. Kualiti lebih penting daripada kuantiti; 20 gambar tajam dan pelbagai lebih baik daripada 80 yang hampir sama.

Kumpul 15 hingga 30 gambar untuk seorang individu, produk atau objek. Tukar sudut, jarak, pencahayaan dan latar belakang antara gambar. Sertakan sekurang-kurangnya sepertiga gambar close-up dan sepertiga penuh badan atau produk.
Untuk gaya, kumpul 30 hingga 60 karya dengan medium dan kualiti garis yang sama tetapi subjek berbeza: orang, tempat, objek. Kepelbagaian memberitahu jurulatih bahawa subjek bukan gaya.
Buang kabur, pemampatan berat, tanda air, teks bertindih dan sesiapa yang bukan subjek. Satu wajah asing dalam set akan muncul dalam render.
Resolusi: 1024 piksel pada sisi panjang adalah standard untuk Flux. Kekalkan nisbah aspek campuran; setiap jurulatih mengelompokkan secara automatik. Jangan regangkan gambar menjadi segi empat sama.
Letakkan gambar dalam satu folder dengan fail teks bersebelahan setiap gambar yang mempunyai nama sama. Kapsyen diletakkan dalam fail teks: dataset/01.jpg dataset/01.txt dataset/02.jpg dataset/02.txt

Langkah 3: tulis kapsyen

Flux membaca ayat semula jadi melalui pengekod teks T5, jadi kapsyen adalah deskripsi biasa, bukan senarai kata kunci. Kapsyen menentukan apa yang LoRA pelajari dan apa yang dibiarkan:

Untuk subjek, mulakan dengan kata pencetus yang bukan kata sebenar, kemudian terangkan semua yang bukan subjek: pakaian, pose, tempat, cahaya. Jurulatih belajar bahawa kata pencetus adalah bahagian yang kapsyen tidak terangkan.
Untuk gaya, terangkan kandungan setiap gambar dan jangan sebut gaya. Gaya adalah apa yang LoRA pelajari dengan pengabaian, dan ia akan digunakan pada mana-mana subjek yang anda minta.
Kekalkan kapsyen satu atau dua ayat. Gunakan auto-kapsyen dengan Florence-2 atau JoyCaption jika anda ada lebih 30 gambar, kemudian baca dan betulkan sepuluh pertama secara manual.
Jangan gunakan nama sebenar seseorang sebagai kata pencetus, dan jangan kapsyen perkara yang tidak ada dalam gambar.

Kapsyen subjek untuk LoRA orang: ohwx woman, wearing a grey wool coat, standing on a stone bridge, overcast daylight, looking at the camera

Kapsyen untuk LoRA gaya, di mana gaya sengaja tidak disebut: a fishing boat in a harbour at dawn, two men on the pier, fog over the water

Langkah 4: pilih jurulatih

Empat jurulatih percuma dan sumber terbuka meliputi setiap asas Flux. Semua menggunakan folder set data yang sama dan menghasilkan fail .safetensors yang sama jenis:

AI Toolkit (oleh ostris): jurulatih Flux paling banyak digunakan. Satu fail konfigurasi YAML setiap sesi, antara muka web, mod VRAM rendah, dan sokongan untuk Flux.1 dev, Flux 2 dev dan Flux 2 Klein. Mulakan sesi dengan python run.py config/my_flux_lora.yaml. Pilihan pertama terbaik.
Kohya sd-scripts dan FluxGym: Kohya adalah jurulatih veteran di belakang kebanyakan LoRA Stable Diffusion dan ada cabang Flux. FluxGym adalah antara muka web satu halaman di atasnya dengan pratetap 12, 16 dan 20 GB. Bagus jika anda mahu borang untuk diisi, bukan fail untuk diedit.
OneTrainer: aplikasi desktop dengan antara muka mesra untuk SDXL dan Flux.1. Pilih jika anda juga melatih LoRA SDXL dan mahu satu alat sahaja.
Jurulatih dalam talian: jurulatih di tapak Civitai dan jurulatih Flux di laman hosting GPU menerima zip gambar dan mengembalikan fail. Mereka mengenakan kredit setiap sesi dan menyembunyikan tetapan, tetapi anda tidak perlu kad langsung. Fail yang dihasilkan boleh diimport ke Graydient dengan cara yang sama.

Langkah 5: tetapkan lima nombor penting

Setiap jurulatih ada puluhan pilihan. Biarkan lalai kecuali ini, yang menentukan kekuatan, umum dan saiz LoRA:

Tetapan	Flux.1 dev	Flux 2 Klein 4B (Asas)
Pangkat rangkaian (dim)	16 untuk wajah atau objek, 32 untuk gaya terperinci	16; 32 untuk gaya
Alpha	Sama dengan pangkat	Sama dengan pangkat
Kadar pembelajaran	1e-4 hingga 2e-4 (Prodigy atau Adafactor jika jurulatih menyediakannya)	1e-4
Langkah	1000 hingga 2000, supaya setiap gambar dilihat 60 hingga 120 kali	1000 hingga 2000
Resolusi	1024 (768 jika memori terhad)	1024
Saiz kumpulan	1 (2 pada 24 GB)	1 atau 2
Ketepatan asas	asas fp8 dengan pengoptimum 8-bit pada 12 hingga 16 GB; bf16 pada 24 GB dan ke atas	bf16 muat pada 16 GB; fp8 pada 12 GB

Tetapkan jurulatih untuk menyimpan titik semak setiap 250 langkah dan untuk menghasilkan dua gambar contoh pada setiap simpanan, dengan arahan dan benih yang sama. Contoh ini adalah cara anda memilih pemenang. Flux.1 dev dan Flux 2 dev adalah panduan-distilasi; jurulatih mengendalikannya untuk anda, jadi biarkan tetapan panduan pada lalai.

Langkah 6: latih

Mulakan larian dan perhatikan memori untuk minit pertama. Jika ia memenuhi kad dan melimpah ke memori sistem, berhenti: latihan akan mengambil masa sepuluh kali ganda dan mungkin rosak.
Jika memori melimpah, tukar asas ke fp8, hidupkan penanda aras kecerunan, gunakan pengoptimum 8-bit AdamW atau Adafactor, turunkan resolusi ke 768, dan kekalkan saiz kumpulan pada 1. Mana-mana satu ini membebaskan gigabait.
Setelah ia berjalan lancar, biarkan sahaja. Flux.1 dev mengambil masa satu hingga dua jam untuk 1500 langkah pada kad 16 GB; Klein 4B lebih pantas; Flux 2 dev mengambil kira-kira sejam pada kad 48 GB sewaan.
Lihat gambar contoh semasa ia muncul. Subjek biasanya muncul pada langkah 500 dan kukuh pada 1000. Jika ia sempurna pada 750, anda boleh berhenti awal.

Latihan adalah perlahan dan bising, bukan rapuh. Larian yang bertahan minit pertama hampir selalu selesai. Simpan latents dan penjelmaan teks sebelum latihan jika jurulatih anda menyediakannya; ia menjimatkan memori dan masa pada setiap larian.

Langkah 7: uji dan pilih titik semak yang betul

Titik semak terakhir jarang yang terbaik. LoRA yang terlalu latih menyalin latar dataset, membakar kontras dan berhenti mendengar arahan. Uji semuanya:

Tulis empat arahan yang tidak terdapat dalam dataset: tempat baru, pakaian baru, cahaya berbeza, medium berbeza. Tetapkan benih.
Hasilkan setiap titik semak yang disimpan dengan empat arahan pada berat LoRA 0.6, 0.8 dan 1.0.
Pilih titik semak paling awal yang tepat pada subjek dan masih mengikuti arahan baru. Yang kemudian biasanya terlebih masak; yang awal kabur.
Tukar nama pemenang kepada sesuatu yang anda akan kenali dalam perpustakaan setahun dari sekarang, seperti subjek dan asas: my-flux-lora, bukan lora_000750.

Tiada kad grafik? Sewa satu untuk sejam

Latihan Flux 2 dev, atau mana-mana latihan Flux pada komputer riba, lebih murah pada kad sewaan daripada masa anda sendiri. Kad 24 atau 48 GB berharga jauh di bawah harga kopi sejam di pasaran sewaan GPU, dan LoRA Flux memerlukan satu hingga dua jam.

Sewa mesin dengan kad 24 GB untuk Flux.1 dev atau Klein, 48 GB untuk Flux 2 dev. Pilih templat yang sudah ada jurulatih terpasang apabila pasaran menyediakannya; templat AI Toolkit biasa.
Muat naik folder dataset, jalankan tetapan yang sama seperti di atas, dan muat turun titik semak yang anda mahu uji. Dataset dan berat kekal milik anda.
Hentikan mesin apabila muat turun selesai. Keseluruhan proses, termasuk persediaan, biasanya kurang dari dua jam sewaan.

Gunakan Flux LoRA anda pada Graydient

Graydient tidak memerlukan fail pada komputer anda untuk menghasilkan dengannya. Letakkan di tempat Graydient boleh ambil dan import pautan:

Muat naik fail .safetensors ke repositori dalam akaun Hugging Face anda (awam atau peribadi), atau terbitkan di Civitai dengan model asas ditetapkan kepada versi Flux yang anda latih.
log masuk ke Graydient, buka Import Model dari perpustakaan papan pemuka anda, dan tampal pautan fail langsung dari Hugging Face atau pautan halaman Civitai. Langkah penuh ada di cara import model Civitai di Graydient.
Tunggu LoRA muncul dalam perpustakaan anda dan salin ShortCode yang Graydient berikan.
Hasilkan dengan tag LoRA dan asas yang sepadan dalam mana-mana aplikasi Graydient: <lora:my-flux-lora:0.8> <flux-dev> untuk LoRA Flux.1, atau <lora:my-flux2-lora:0.8> <flux2> untuk LoRA Flux 2. Setiap aplikasi, berat dan peraturan penumpukan ada di panduan pemula untuk Flux dan Flux 2 LoRA pada Graydient.

Hasil pertama lengkap untuk Telegram atau Discord, dengan kata pencetus dahulu dan LoRA pada 0.8 pada asas 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

Lesen: apa yang anda boleh lakukan dengan LoRA

LoRA adalah terbitan model asasnya, jadi lesen asas mengikutinya. Semak teks lesen semasa di halaman model sebelum anda jual hasil atau fail:

Flux.1 dev dan Flux 2 dev dikeluarkan di bawah lesen bukan komersial Black Forest Labs. Projek peribadi dan penyelidikan dibenarkan; penggunaan komersial memerlukan lesen komersial mereka.
Flux 2 Klein 4B (dan titik semak Asasnya) adalah Apache 2.0, jadi LoRA yang dilatih padanya tidak membawa sekatan model asas. Klein 9B di bawah lesen bukan komersial.
Gambar dalam dataset anda mempunyai hak sendiri. Latih pada foto yang anda ambil atau miliki, dan jangan sekali-kali pada orang sebenar tanpa kebenaran mereka.

Jika sesuatu tidak kena

Kehabisan memori dalam minit pertama: asas dalam fp16 plus pengoptimum tidak muat. Tukar ke fp8, AdamW 8-bit atau Adafactor, penanda aras kecerunan, resolusi 768, kumpulan 1. Jika masih melimpah, sewa kad.
LoRA mengubah keseluruhan gambar, bukan hanya subjek: kapsyen tidak menerangkan latar dan cahaya, jadi jurulatih belajar mereka sebagai sebahagian kata pencetus. Ubah kapsyen dengan konteks jelas dan variasikan dataset.
Wajah betul pada berat 1.0 tapi arahan diabaikan: terlalu latih. Gunakan titik semak lebih awal. Larian seterusnya, kurangkan langkah separuh atau turunkan kadar pembelajaran ke 5e-5.
Hanya persamaan samar pada mana-mana berat: kurang latih, atau dataset terlalu seragam. Tambah langkah dalam blok 500 langkah, atau tambah gambar dengan sudut baru.
LoRA tidak berfungsi pada Graydient: asas tidak sepadan. LoRA Flux.1 perlukan <flux-dev>; LoRA Flux 2 perlukan <flux2>. Juga semak kata pencetus ada dalam arahan.
Latihan berjalan tapi sangat perlahan: ia melimpah ke memori sistem, atau dataset pada pemacu perlahan. Betulkan memori seperti dalam titik pertama, simpan latents, dan pindahkan dataset ke SSD.

Itulah keseluruhan kaedah: satu asas, 20 gambar bersih, kapsyen jujur, lima nombor, satu larian, satu ujian. LoRA Flux pertama anda tidak akan jadi yang terbaik, dan yang kedua ambil separuh masa. Bila fail wujud, log masuk ke Graydient atau bandingkan pelan dan harga untuk hasilkan dengannya sebanyak mana yang anda mahu. Setiap pelan termasuk jaminan wang dikembalikan 7 hari.

Soalan

Bolehkah Graydient latih Flux LoRA untuk saya?

Tidak. Graydient adalah perkhidmatan rendering kadar rata; ia menjalankan LoRA tapi tidak melatihnya. Latih pada kad sendiri, kad sewaan atau jurulatih dalam talian seperti diterangkan di atas, kemudian import fail. Rendering selepas itu tidak dikenakan kos tambahan pada mana-mana pelan.

Berapa banyak gambar yang saya perlukan untuk Flux LoRA?

15 hingga 30 untuk wajah, produk atau objek; 30 hingga 60 untuk gaya. Flux belajar dari set kecil. Melebihi 100 gambar anda sedang menyesuaikan, bukan melatih LoRA, dan anda memerlukan lebih banyak langkah dan memori.

Berapa banyak VRAM yang diperlukan untuk latihan Flux LoRA?

12 hingga 16 GB untuk Flux.1 dev atau Flux 2 Klein 4B dengan asas dalam fp8 dan pengoptimum 8-bit. Kira-kira 24 GB untuk Klein 9B. Minimum 24 GB dan 48 GB selesa untuk Flux 2 dev. Sewa untuk dua yang terakhir kecuali anda memiliki 4090 atau 5090.

Berapa lama masa yang diambil?

Satu hingga dua jam untuk Flux.1 dev pada kad 16 GB pada 1500 langkah, kurang untuk Klein 4B, dan kira-kira satu jam untuk Flux 2 dev pada kad 48 GB yang disewa. Pemberian kapsyen dan ujian menambah satu jam lagi pada kali pertama.

Bolehkah saya melatih Flux 2 LoRA dengan cara yang sama seperti Flux.1 LoRA?

Ya, dengan set data dan kapsyen yang sama. Latih Klein LoRA pada titik pemeriksaan Klein Base (4B Base atau 9B Base), bukan pada yang disuling 4 langkah, dan ingat bahawa hasilnya hanya berjalan pada saiz Klein itu sahaja. Flux 2 dev memerlukan lebih banyak memori, jadi kebanyakan orang menyewa untuknya.

Adakah saya perlu kata pencetus untuk Flux LoRA?

Untuk orang atau objek, ya: satu perkataan ciptaan di awal setiap kapsyen, yang kemudian anda letakkan di awal setiap prompt. Untuk gaya, tiada kata pencetus diperlukan jika kapsyen menerangkan kandungan dan bukan gaya; LoRA kemudian digunakan pada semua perkara.

Bolehkah saya simpan LoRA secara peribadi?

Ya. Muat naik ke repositori Hugging Face peribadi dan import pautan fail semasa log masuk ke Hugging Face; Graydient hanya mengambil fail yang akaun anda boleh muat turun. Perpustakaan anda adalah milik anda sahaja, dan fail tidak pernah muncul di ModelTrends atau mana-mana tempat awam.

Lihat pelan dan harga