플럭스 짐: 적은 그래픽 메모리로 플럭스 로라를 훈련할 수 있는 간편한 UI

최신 AI 리소스9개월 전 업데이트 AI 공유 서클
15.9K 00

일반 소개

플럭스 Gym은 낮은 그래픽 메모리(12GB/16GB/20GB)를 지원하는 FLUX LoRA 트레이닝을 위한 간편한 웹 UI입니다. 프런트엔드는 AI-Toolkit의 Gradio UI를 기반으로 하고 백엔드는 Kohya Scripts로 구동되며, Flux Gym은 AI-Toolkit 웹 UI의 단순성과 다양한 그래픽 메모리 구성을 위한 Kohya Scripts의 유연성을 결합하고 Docker 및 자동 모델 다운로드 기능을 지원합니다.

Flux Gym:低显存训练FLUX LoRA的简易UI

 

기능 목록

  • 12GB, 16GB, 20GB의 비디오 메모리 지원
  • 도커 지원, 자동 모델 다운로드
  • 사용자 지정 기본 모델 지원
  • 샘플 이미지 자동 생성
  • 허깅페이스에 게시됨
  • 고급 기능 옵션(숨김)

 

도움말 사용

설치 프로세스

원클릭 설치

  1. 활용피노키오 원클릭 스타터모든 것을 자동으로 설치 및 실행: Pinokio 원클릭 런처

수동 설치

  1. 플럭스짐과 kohya-ss/sd 스크립트를 복제합니다:
    git clone https://github.com/cocktailpeanut/fluxgym
    cd fluxgym
    git clone -b sd3 https://github.com/kohya-ss/sd-scripts
    
  2. 가상 환경을 활성화합니다:
    • Windows.
      python -m venv env
      env\Scripts\activate
      
    • Linux.
      python -m venv env
      source env/bin/activate
      
  3. 종속성을 설치합니다:
    cd sd-scripts
    pip install -r requirements.txt
    cd ..
    pip install -r requirements.txt
    pip install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
    
  4. 애플리케이션을 실행합니다:
    python app.py
    

도커 설치

  1. 플럭스짐과 kohya-ss/sd 스크립트를 복제합니다:
    git clone https://github.com/cocktailpeanut/fluxgym
    cd fluxgym
    git clone -b sd3 https://github.com/kohya-ss/sd-scripts
    
  2. 이미지를 빌드하고 실행합니다:
    docker compose up -d --build
    
  3. 브라우저를 열고 다음 사이트를 방문하세요: http://localhost:7860

기능 작동 흐름

  1. LoRA 정보를 입력합니다.
  2. 이미지를 업로드하고 태그를 추가합니다(트리거 단어 사용).
  3. '시작' 버튼을 클릭합니다.

샘플 이미지 구성

기본적으로 Fluxgym은 훈련 중에 샘플 이미지를 생성하지 않습니다. N 단계마다 샘플 이미지를 생성하도록 Fluxgym을 구성할 수 있습니다:

  • 샘플 이미지 단서: 이 단서는 학습 중에 이미지를 자동으로 생성하는 데 사용됩니다.
  • N 단계당 샘플 이미지: 예를 들어 '예상 훈련 단계'가 960이고 'N 단계당 샘플 이미지'가 100인 경우 100번째, 200번째, 300번째 단계에서 이미지가 생성됩니다.

고급 샘플 이미지

내장된 Kohya sd-scripts 구문을 사용하면 학습 단계에서 생성된 샘플 이미지를 완벽하게 제어할 수 있습니다:

  • 트리거 단어: 예: 개최자.
  • 고급 플래그: 예를 들어 --d 플래그는 시드 지정, --w는 이미지 너비 지정, --h는 이미지 높이 지정 등을 지정합니다.

허깅페이스에 게시됨

  1. 허깅페이스 토큰 받기:허깅페이스 토큰
  2. 토큰을 입력하고 "로그인"을 클릭합니다.
  3. 훈련된 LoRA를 선택하고 이름을 수정한 후 허깅페이스에 게시합니다.
© 저작권 정책

관련 문서

댓글 없음

댓글에 참여하려면 로그인해야 합니다!
지금 로그인
없음
댓글 없음...