Как обучить Flux LoRA (Flux.1 и Flux 2): пошаговое руководство для новичков

Обучение Flux LoRA — это способ научить модель Flux тому, чего она не знает: вашему лицу, продукту, стилю рисования, эффекту камеры. Результат — один файл .safetensors размером от 20 до 300 МБ, который можно использовать в любом приложении Flux, включая Graydient. Процесс требует 15–30 фотографий, видеокарту с 12–16 ГБ памяти (или арендованную на час) и бесплатный тренер. Это руководство подробно описывает каждый шаг для Flux.1 dev и Flux 2, и заканчивается инструкцией по запуску вашей новой LoRA здесь.

Вам предстоит сделать семь вещей: выбрать базу Flux, собрать небольшой датасет, написать подписи, выбрать тренера, задать несколько параметров, обучить и протестировать, а затем импортировать файл в Graydient. Каждый шаг описан ниже с параметрами, подходящими большинству пользователей. Если у вас уже есть обученный файл, переходите к разделу о его использовании.

Graydient запускает LoRA, но не обучает их. Обучение происходит на вашей видеокарте, на арендованном GPU по часам или в онлайн-тренере. Как только файл создан, любой тариф Graydient может использовать его для рендеринга за фиксированную цену.

Что нужно

• 15–30 хороших фотографий одного объекта или 30–60 для стиля. Фотографии с телефона подойдут, если они чёткие и разнообразные.
• Видеокарта с 12–16 ГБ памяти для Flux.1 dev или Flux 2 Klein 4B, или 24 ГБ и больше для Flux 2 dev. Нет карты? Арендуйте на час (см. ниже) или используйте онлайн-тренер.
• Бесплатный тренер: AI Toolkit, Kohya sd-scripts (или интерфейс FluxGym поверх них) или OneTrainer. Все работают на Windows и Linux с установленным Python.
• От одного до трёх часов, большая часть времени — ожидание. Тариф Graydient важен только в конце, когда вы хотите рендерить с файлом. Сравните планы и цены.

Шаг 1: выберите базу Flux для обучения

LoRA привязана к базовой модели, на которой она обучалась, поэтому начните с базы, с которой хотите рендерить. Семейство Flux имеет три ветки, которые не разделяют LoRA:

Правило для запоминания: LoRA Flux.1 не работают на Flux 2, LoRA Flux 2 не работают на Flux.1, а Klein 4B, Klein 9B и Flux 2 dev требуют своих LoRA. Krea 2 — это другая модель, не Flux. Если используете несколько баз, обучайте по одной на каждую базу из одного датасета.

Шаг 2: соберите датасет

Flux быстро учится на небольших, чистых датасетах. Качество важнее количества; 20 чётких и разнообразных фото лучше, чем 80 почти одинаковых.

1. Соберите 15–30 фотографий для человека, продукта или объекта. Меняйте угол, расстояние, освещение и фон между снимками. Включите минимум треть крупным планом и треть в полный рост или полный продукт.
2. Для стиля соберите 30–60 работ с одинаковой техникой и качеством линий, но разными объектами: люди, места, предметы. Разнообразие помогает тренеру понять, что объект не стиль.
3. Удалите размытые, сильно сжатые, с водяными знаками, текстом или посторонними лицами. Один чужой человек в наборе появится в рендерах.
4. Разрешение: 1024 пикселя по длинной стороне — стандарт для Flux. Сохраняйте разные соотношения сторон; тренер автоматически распределит их по группам. Не растягивайте картинки в квадраты.
5. Положите картинки в одну папку с текстовым файлом рядом с каждой картинкой с таким же именем. В текстовом файле подпись: dataset/01.jpg dataset/01.txt dataset/02.jpg dataset/02.txt

Шаг 3: напишите подписи

Flux читает естественные предложения через T5 текстовый энкодер, поэтому подписи — это простые описания, а не списки ключевых слов. Подписи определяют, чему учится LoRA, а что оставляет без изменений:

• Для объекта начните с триггерного слова, которое не является реальным словом, затем опишите всё, что не относится к объекту: одежду, позу, место, свет. Тренер понимает, что триггер — это то, что подпись не объясняет.
• Для стиля опишите содержимое каждой картинки, но никогда не упоминайте стиль. Стиль LoRA учит по отсутствию, и он применится к любому объекту, который вы зададите.
• Держите подписи в пределах одного-двух предложений. Автоматически подпишите с Florence-2 или JoyCaption, если у вас больше 30 картинок, затем вручную проверьте и исправьте первые десять.
• Не используйте имя реального человека как триггер и не подписывайте то, чего нет на картинке.

Пример подписи для LoRA с объектом человека: ohwx woman, wearing a grey wool coat, standing on a stone bridge, overcast daylight, looking at the camera

Пример подписи для LoRA со стилем, где стиль специально не упоминается: a fishing boat in a harbour at dawn, two men on the pier, fog over the water

Шаг 4: выберите тренера

Четыре бесплатных, открытых тренера покрывают все базы Flux. Все они берут одну папку с датасетом и создают одинаковый файл .safetensors:

• AI Toolkit (от ostris): самый популярный тренер Flux. Один YAML-файл конфигурации на запуск, веб-интерфейс, режимы с низким VRAM и поддержка Flux.1 dev, Flux 2 dev и Flux 2 Klein. Запуск с python run.py config/my_flux_lora.yaml. Лучший первый выбор.
• Kohya sd-scripts и FluxGym: Kohya — ветеран среди тренеров Stable Diffusion LoRA с веткой Flux. FluxGym — одностраничный веб-интерфейс с пресетами на 12, 16 и 20 ГБ. Хорошо, если хотите форму для заполнения, а не файл для редактирования.
• OneTrainer: настольное приложение с удобным интерфейсом для SDXL и Flux.1. Выбирайте, если обучаете SDXL LoRA и хотите один инструмент.
• Онлайн-тренеры: встроенный тренер Civitai и Flux-тренеры на сайтах с GPU принимают архив с картинками и возвращают файл. Они стоят кредитов за запуск и скрывают настройки, но вам не нужна видеокарта. Полученный файл импортируется в Graydient так же.

Шаг 5: задайте пять важных чисел

Каждый тренер имеет десятки опций. Не трогайте настройки по умолчанию, кроме этих, которые определяют силу, универсальность и размер LoRA:

Настройте тренер на сохранение контрольной точки каждые 250 шагов и рендер двух образцов при каждом сохранении с тем же промптом и сидом. Эти образцы помогут выбрать победителя. Flux.1 dev и Flux 2 dev используют guidance-distilled; тренеры делают это автоматически, так что оставьте настройку guidance по умолчанию.

Шаг 6: обучение

1. Запустите обучение и следите за памятью в первую минуту. Если карта заполнится и начнёт использовать системную память, остановитесь: обучение будет в десять раз медленнее и может упасть.
2. Если память переполняется, переключитесь на fp8, включите gradient checkpointing, используйте 8-битный AdamW или Adafactor, уменьшите разрешение до 768 и оставьте размер батча 1. Любое из этих действий освободит гигабайты.
3. Когда обучение идёт без ошибок, оставьте его в покое. Flux.1 dev занимает 1–2 часа на 1500 шагов на 16 ГБ карте; Klein 4B работает быстрее; Flux 2 dev — около часа на арендованной 48 ГБ карте.
4. Смотрите на образцы по мере их появления. Объект обычно появляется к 500 шагу и становится чётким к 1000. Если он идеален на 750, можно остановиться раньше.

Обучение медленное и шумное, но не хрупкое. Запуск, который прошёл первую минуту, почти всегда завершается. Кэшируйте латенты и текстовые эмбеддинги перед обучением, если тренер это поддерживает; это экономит память и время при каждом запуске.

Шаг 7: тестирование и выбор правильной контрольной точки

Последняя контрольная точка редко бывает лучшей. Перетренированные LoRA копируют фоны из датасета, теряют контраст и перестают реагировать на промпты. Проверьте все:

• Напишите четыре промпта, которых нет в датасете: новое место, новая одежда, другое освещение, другой стиль. Зафиксируйте сид.
• Отрендерьте каждую сохранённую контрольную точку с четырьмя промптами при весах LoRA 0.6, 0.8 и 1.0.
• Выберите самую раннюю контрольную точку, которая точно передаёт объект и соответствует новым промптам. Поздние обычно перетренированы; ранние — расплывчаты.
• Переименуйте победителя в понятное имя, которое вы узнаете через год, например, по объекту и базе: my-flux-lora, а не lora_000750.

Нет видеокарты? Арендуйте на час

Обучение Flux 2 dev или любое Flux-обучение на ноутбуке дешевле на арендованной карте, чем на вашем времени. 24 или 48 ГБ карта стоит значительно меньше чашки кофе в час на рынках аренды GPU, а Flux LoRA требует 1–2 часа.

• Арендуйте машину с 24 ГБ картой для Flux.1 dev или Klein, 48 ГБ для Flux 2 dev. Выбирайте шаблон с предустановленным тренером, если он есть; шаблоны AI Toolkit распространены.
• Загрузите папку с датасетом, запустите те же настройки, что выше, и скачайте нужные контрольные точки. Датасет и веса остаются вашими.
• Остановите машину после завершения загрузки. Весь процесс, включая настройку, обычно занимает меньше двух часов аренды.

Используйте ваш Flux LoRA в Graydient

Graydient не требует файла на вашем компьютере для рендера с ним. Поместите файл туда, где Graydient сможет его получить, и импортируйте ссылку:

1. Загрузите файл .safetensors в репозиторий вашего аккаунта Hugging Face (публичный или приватный) или опубликуйте на Civitai с базовой моделью, соответствующей версии Flux, на которой вы обучались.
2. войти в Graydient, откройте Model Import в вашей библиотеке на панели управления и вставьте прямую ссылку на файл из Hugging Face или ссылку на страницу Civitai. Полные шаги в как импортировать модели Civitai в Graydient.
3. Подождите, пока LoRA появится в вашей библиотеке, и скопируйте ShortCode, который дал Graydient.
4. Рендерьте с тегом LoRA и подходящей базой в любом приложении Graydient: <lora:my-flux-lora:0.8> <flux-dev> для Flux.1 LoRA или <lora:my-flux2-lora:0.8> <flux2> для Flux 2 LoRA. Все приложения, веса и правила стэкинга в руководство для начинающих по Flux и Flux 2 LoRA на Graydient.

Полный пример первого рендера для Telegram или Discord с триггерным словом первым и LoRA на 0.8 на базе 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

Лицензии: что можно делать с LoRA

LoRA — производное от базовой модели, поэтому лицензия базы распространяется и на неё. Проверьте текущий текст лицензии на странице модели перед продажей рендеров или файла:

• Flux.1 dev и Flux 2 dev выпущены под некоммерческой лицензией Black Forest Labs. Личные проекты и исследования разрешены; коммерческое использование требует коммерческой лицензии.
• Flux 2 Klein 4B (и его базовая контрольная точка) под Apache 2.0, поэтому LoRA, обученные на нём, не имеют ограничений базовой модели. Klein 9B под некоммерческой лицензией.
• Изображения в вашем датасете имеют свои права. Обучайтесь на собственных или лицензированных фото и никогда не используйте реальные лица без согласия.

Если что-то пошло не так

• Недостаточно памяти в первую минуту: база в fp16 с оптимизатором не помещается. Переключитесь на fp8, 8-битный AdamW или Adafactor, gradient checkpointing, разрешение 768, батч 1. Если всё равно переполняется, арендуйте карту.
• LoRA меняет всю картину, а не только объект: подписи не описывали фон и освещение, тренер выучил их как часть триггерного слова. Переподпишите с учётом контекста и разнообразьте датасет.
• Лицо правильное при весе 1.0, но промпты игнорируются: перетренировано. Используйте более раннюю контрольную точку. В следующий раз уменьшите шаги вдвое или понизьте скорость обучения до 5e-5.
• Только смутное сходство при любом весе: недообучено или датасет слишком однообразен. Добавьте шаги блоками по 500 или добавьте фото с новыми ракурсами.
• LoRA не работает в Graydient: база не совпадает. Flux.1 LoRA требует <flux-dev>; Flux 2 LoRA — <flux2>. Проверьте, что триггерное слово есть в промпте.
• Обучение идёт, но очень медленно: использовалась системная память или датасет на медленном диске. Исправьте память, как в первом пункте, кэшируйте латенты и перенесите датасет на SSD.

Это весь метод: одна база, 20 чистых картинок, честные подписи, пять чисел, запуск, тест. Ваш первый Flux LoRA не будет лучшим, а второй займёт вдвое меньше времени. Когда файл готов, войти в Graydient или сравните планы и цены, чтобы рендерить с ним сколько угодно раз. В каждом плане есть 7-дневная гарантия возврата денег.

Вопросы

Смотреть планы и цены