黑森林团队出的flux模型因其强大的参数，惊艳的细节效果广受欢迎，现在已经在各类AIGC平台占有很大的曝光量，甚至现在libulibu首页也是主推f1.0的lora模型，因其少量数据的微调就能获得很好的效果受到很多人的喜欢。
因为职业关系，我在工作上也尝试了flux-lora模型训练，接下来我分享pinokio-flux-gym训练工具和flux train-aitoolkit 两种工具的差别。
pinokio-fluxgym
优点：安装简单，易上手
缺点：只能训练flux-lora模型，如果想要训练sd1.5和XL模型你需要在社区中找到Kohya训练工具
Pinokio是一个AI社区浏览器，它整合了很多AI工具及工作流。它的优势在于即使你是一个不懂编程语言的小白也能轻松配置好flux lora 的训练环境，安装好pinokio工具之后，直接在探索中找到fluxgym，即可一键安装，其中python环境、第三方依赖性、模型配置等等你完全不需要自行考虑。坐等它配置好就行。
它底层基于Kohya Scripts开发，所有的参数设置都是统一的。在前端界面上采用三分法的布局设计，简化了操作步骤，123的布局设计让人一目了然，降低的理解门槛。在刚开始阶段，你都不需要详细了解具体的参数设置，只管提供优质的训练集就能拿到很好的模型效果，点赞。
实时的训练预览效果，它提供多种不同的预览图触发效果：
1.否定提示词
2.指定生成图像的宽度和宽度
3.指定生成图像的种子
4.指定生成图像的CFG比例
5.指定生成中的步骤数
支持显卡显存12G、16G、20G以上
支持的底模：flux-dev、flux schnell、flux-dev2pro（实际上训练最好用flux-dev1.0、flux-dev2pro）
flux train-aitoolkit
优点：远程训练， 面向专业级玩家、专业的UI界面
缺点：不稳定，需要简单的代码阅读能力，要配合ChatGpt或者deepseek使用
flux train-aitoolkit 目前处在一个早期版本，意味着在稳定性、功能可能不是那么的好用，该工具并非基于Kohya Scripts开发，其目录结构也和我见到的不同，因为自己对这块认识不够专业性，不便多说。
它最大的特点是基于huggingface远程访问的方式训练模型，这意味着你需要使用huggingface账户，从huggingface获取一个READ密钥，方可进行训练。因为模型不需要导入本地，能够节约很大的内存空间。但这也意味着你需要稳定的网络才能正常训练。
它支持FLUX.1-schnell、Flux-dev两个版本的模型训练，因为需要在本地预先写好模型配置信息，所以你需要一定的耐心来配置远程访问的信息。说实话，笔者在github上安装完这个工具都头大，你需要有一定的耐心和好奇心。否则很容易劝退。
笔者在配置以上两个工具都遇到diffusers无法正常克隆的情况，所以你在配置这两个工具都要开启全局git代理，否则很大几率会克隆不成功报错。
如果依然报错请使用国内镜像：https://gitee.com/opensource-customization/diffusers
训练打标
flux的特性是基于自然语言描述打标，所以你在训练中请使用触发词和自然语言描述打标，这样在训练中能够得到很好的效果。这意味着你需要使用GPT、caption等模型工作流来处理你的训练集。笔者实际尝试过仅用tag来打标，发现训练效果并不好（基于秋叶lora-script）。
分辨率
flux对尺寸分辨率没有特殊要求，小到512、大到1024，768*1024也是可以的。
实际跑图
实际使用上，权重同样是0.7-0.9之间最好，并且是触发词加自然语言描述，你的描述越多，生成的效果越细节。这也意味着你在使用上需要对画面更具体的要求，甚至在想法没有那么具体的情况下需要借助deepseek这类工具给你提供帮助。
Be First to Comment