晨涧云文档
首页
目录
- GPU算力租用流程
- Ubuntu查看显卡GPU利用率
- Ubuntu系统安装CUDA Toolkit + Cudnn
- Ubuntu NVIDIA显卡驱动安装
- Ubuntu用户界面入门
- Windows jupter notebook 的使用
- Windows 安装SSH Server
- windows查看显卡GPU利用率
- Ubuntu镜像
- Windows镜像
- CentOS镜像
- 深度学习 - Ubuntu
- 深度学习 - Windows
- 云计算 - Ubuntu
- 云计算 - Windows
- ComfyUI - Ubuntu
- LLaMA Factory - Ubuntu
- Stable Diffusion - Ubuntu
- Ubuntu 命令行使用
- ComfyUI - Windows
- LLaMA Factory - Windows
- Stable Diffusion - Windows
- 秋叶Stable Diffusion - Windows
- Ollama - Windows
- Ollama DeepSeek - Ubuntu
- 【模型】Ollama + Open WebUI - Ubuntu
- 【语音】 Whisper 语音转文本 - Ubuntu
- Chatbox - Windows
- Ubuntu系统安装远程连接工具
- Windows登录方式
- 常用操作
- 学术资源加速
- 文件传输
- WebUI使用
- 服务端口配置
- SSH隧道映射端口
- VSCode连接到云主机
- conda 安装虚拟环境
- 选择Conda虚拟环境
- 晨涧云概览
- 晨涧云简介
- 名词术语
- 安装tensorflow
- 安装显卡驱动
- huggingface下载模型
- 连接失败处理
- 促销活动
- Miniconda3 容器镜像
- PyTorch 容器镜像
- TensorFlow 容器镜像
- GROMACS 容器镜像
- ComfyUI 容器镜像
- Matlab - Windows
- YOLO 容器镜像
- LLaMA-Factory 容器镜像
- Wan-ComfyUI 容器镜像
- Stable-Diffusion 容器镜像
- vLLM 容器镜像
- LAMMPS 容器镜像
- Ollama 容器镜像
- Flux-ComfyUI 容器镜像
- ComfyUI应用
- Wan2.2文生视频显卡性能测试
- 深度学习场景
- 基于ResNet-50模型的显卡性能测试
- 大语言模型场景
- 使用vLLM测试大模型推理场景的显卡性能
- Qwen-ComfyUI 容器镜像
- vLLM大模型多卡推理场景显卡测试
- 科研仿真计算场景
- GROMACS分子动力学模拟计算显卡性能测试
- 【年终满减优惠活动】全系显卡算力特惠风暴!(A100除外)
- YOLO 模型训练显卡性能测试
- FluxGym-LoRA训练器 容器镜像
- Kohya_ss-LoRA训练器 容器镜像
- 晨涧云平台手册
- Windows操作
- GPU算力操作流程
- 云容器租用流程
- 系统预装环境
- Ubuntu操作
- 云容器控制台使用
- 云主机控制台使用
- JupyterLab使用
- 云主机镜像中心
- 云容器百度网盘使用
- 云容器
- 云容器按小时计费
- 技术相关
- 云容器镜像
- 应用场景
- 晨涧云新老用户专享福利
- 微信登录立享6元优惠券
- 晨涧云产品重磅升级:云容器按量计费+控制台实例管理全新改版,重塑AI开发效率与成本体验
- 新容器镜像来了!宝藏镜像库+秒级部署,GPU直接8折!
- 【双十一显卡狂欢】🔥NVIDIA 3090/3080 史低八折!性能猛兽,价格温柔!
- 开学季|3090显卡专属福利🎯(2025年9月)
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;

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

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)

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

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:
