使用场景

研究人员使用Flux Gym在有限的硬件资源上训练文本到图像的生成模型。

开发者利用Flux Gym快速测试和迭代他们的LoRA模型，以优化性能。

教育机构使用Flux Gym作为教学工具，让学生在不增加硬件成本的情况下学习AI模型训练。

产品特色

支持低VRAM配置（12GB/16GB/20GB）。

基于AI-Toolkit的前端WebUI，提供直观的用户界面。

后端训练脚本由Kohya Scripts提供支持，具有高度灵活性。

支持一键安装和启动，简化了安装过程。

允许用户上传图片并添加描述，以触发模型训练。

提供了详细的安装和使用指南，方便用户快速上手。

支持下载和使用多个模型检查点，增强了模型训练的多样性。

使用教程

首先，通过Pinokio 1-click launcher或手动方式安装Flux Gym及其依赖。

克隆Fluxgym和kohya-ss/sd-scripts到本地。

根据操作系统激活虚拟环境，并安装必要的依赖。

下载并放置所需的模型检查点到指定的文件夹。

在虚拟环境中激活后，运行`python app.py`启动Flux Gym。

在Web UI中输入LoRA信息，上传图片并添加描述。

点击'开始'按钮，启动模型训练。

监控训练进度，并在完成后查看结果。