FluxGym-LoRA训练器容器镜像

简介

FluxGym 是一个简单易用的 FLUX LoRA 训练 Web UI，支持低显存（12GB/16GB/20GB）训练。它结合了 AI-Toolkit 的简洁界面和 Kohya Scripts 的强大功能，让 FLUX 模型的 LoRA 训练变得简单高效。

支持的模型

Flux1-dev（推荐）
Flux1-dev2pro（改进版本，训练效果更好）
Flux1-schnell（不推荐，质量较低）

访问FluxGym

在控制台中，查看实例的【IP】和【预留端口】，端口选择内网端口8001映射的外网端口；

预留端口8001访问.png#500px #184px

然后打开浏览器，输入http://<IP>:<8001映射外网端口>访问FluxGym。

快速开始

1. 启动

镜像启动后，FluxGym 会自动运行，访问地址：

http://<服务器IP>:8001

2. 基本使用流程

模型准备

首次启动容器实例后，需要先准备flux模型。

如果要使用共享模型，需要在容器中手动将/public/models目录下的所有模型拷贝到/root/fluxgym/models目录下。

也可以自行手动从外网下载flux模型到/root/fluxgym/models目录下。

注意/root/fluxgym/models目录的结构和文件名必须是：

├── /root/fluxgym/models
│   ├── clip
│   │   ├── clip_l.safetensors
│   │   └── t5xxl_fp16.safetensors
│   ├── unet
│   │   ├── flux1-dev.sft
│   │   └── flux1-schnell.safetensors
│   └── vae
│       └── ae.sft

开始训练

fluxgym使用.png#1200px #550px

步骤 1：填写 LoRA 信息

LoRA 名称：为你的 LoRA 模型命名
触发词（Trigger Word）：设置一个独特的触发词，例如 hrld person
选择基础模型：选择 flux-dev 或其他支持的模型

步骤 2：上传训练图像

点击上传区域，选择训练图像（建议 10-30 张）
为每张图像添加描述（Caption），包含触发词
- 例如：hrld person is riding a bike
- 例如：hrld person wearing a red dress

或者点击“Add AI captions with Florence-2”使用Florence-2模型,让AI生成图片描述词，再基于生成的描述词修改，速度更快。

步骤 3：配置训练参数

如训练步数（Expected training steps）

fluxgym训练参数.png#1200px #478px

步骤 4：开始训练

点击 "Start Training" 按钮开始训练。

在页面下方会实时显示训练过程日志，包括当前步数、epoch等

fluxgym训练日志1.png#1100px #425px

训练完成后，会在日志中输出LoRA模型保存路径，如下图红框所示：

fluxgym训练日志2.png#1100px #210px

晨涧云文档

FluxGym-LoRA训练器 容器镜像

简介