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

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.

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.