免费炼丹 flux-kontext 16G 丹炉打造

最新推荐文章于 2025-07-18 22:30:03 发布

lgldl

最新推荐文章于 2025-07-18 22:30:03 发布

阅读量791

点赞数 8

CC 4.0 BY-SA版权

分类专栏： AI 炼丹文章标签： ai flux

本文链接：https://blog.csdn.net/lgldl/article/details/149091102

AI 同时被 2 个专栏收录

3 篇文章

订阅专栏

炼丹

2 篇文章

订阅专栏

炼丹炉部署（如果想直接使用，可以跳过）

下面从部署到炼丹，一步一步来

git clone https://github.com/lrzjason/T2ITrainer.git
cd T2ITrainer

#环境准备
python -m venv venv
call venv\Scripts\activate
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

# nf4模型下载
huggingface-cli download "lrzjason/flux-fill-nf4" --local-dir flux_models/fill/

# 启动炼丹炉
python ui_flux_fill.py

20250703113320

运行后，打开对应网址即可看到可视化界面
20250703113401

素材准备

20250702203902

按照上图所示，准备素材，提示词部分，采用 flux-kontext风格的提示词,如

Remove red SUV with luggage on roof rack. Vast, flat, white salt flat landscape under a clear blue sky with distant mountains on the horizon.

并且如果显存是16gb，则图片分辨率推荐为：512，否则会爆显存

主要/常用参数说明

20250702233335

script
训练脚本名称，一般不用改，训练kontext时不要改。
示例：
```
"script": "train_flux_lora_ui_kontext.py"
```

20250702233346

output_dir
输出模型保存路径，建议根据实际情况修改。
示例：
```
"output_dir": "/workspace/T2ITrainer/output"
```

20250702233520

save_name
保存模型的文件名。
示例：
```
"save_name": "lr2"
```

20250702233550

train_batch_size
每次训练的batch大小。
示例：
```
"train_batch_size": 1
```

20250702233609

save_model_epochs
每隔多少轮保存一次模型。
示例：
```
"save_model_epochs": 2
```

20250702233425

pretrained_model_name_or_path
kontext模型路径。
示例：

"pretrained_model_name_or_path": "/workspace/T2ITrainer/flux_models/kontext"

20250702230226

train_data_dir
训练数据集路径，换数据集时要改。
示例：
```
"train_data_dir": "/workspace/T2ITrainer/dataset/lr1"
```

20250702233455

resolution
训练图片分辨率。16GB显存推荐512，否则可能爆显存。
示例：
```
"resolution": "512"
```

20250702233740

validation_epochs
每隔多少轮做一次验证。
示例：
```
"validation_epochs": 2
```

20250702233751

validation_ratio
验证集比例。
示例：
```
"validation_ratio": 0.1
```

点击run后
20250702234023

可以在终端看到训练进度
20250702234042

免费使用说明:

点击链接

点击复刻

20250703114504

到自己空间后，左小角即可选择 GPU

20250702233857

当前绑定腾讯云账户会自动赠送 50 机时。

租用更大显存的 GPU 能够开启更大的 batch size 更快的训练，不需要的时候关闭即可