在深度学习的模型训练领域，有这样一款堪称 “神器” 的工具 ——fluxgym，也就是大家口中的 “炼丹炉”。它的便捷性简直令人惊叹！当下，除了 flux-dev 模型之外，它能够轻松驾驭多种其他模型，而你只需简单更改一个配置文件内容，就能无缝切换训练不同模型，是不是超方便？

更值得一提的是，以往模型训练前那些繁琐耗时的前置工作，诸如图片裁剪、打标等，在 fluxgym 这里通通不需要！你没听错，完全省去这些步骤，告别繁琐流程。使用 fluxgym 开启训练之旅，仅需下图展示的三个步骤，就能让你的模型训练快速启动，踏上深度学习的高效探索之路，如此强大又易用的 fluxgym，无疑将成为你模型训练的得力助手！

fluxgym用于训练具有低 VRAM （12GB/16GB/20GB） 支持的 FLUX LoRA 的简单 Web UI，它具有 AI-Toolkit WebUI 的简单性和 Kohya Scripts 的灵活性。

• 前端：是从 AI-Toolkit（https://x.com/multimodalart 创建的 Gradio UI）分叉而来的 WebUI)
• 后端**：** 由 Kohya Scripts 提供支持的训练脚本

它通过默认隐藏的 Advanced 选项卡支持 100% 的 Kohya sd-scripts 功能。

怎么安装？

介绍完丹炉，我们来看看如何获取吧，本安装教程属于手把手教学，因为网络问题无法下载模型？不用慌张，包教包会！

1.部署项目

（1）首先需要克隆 Fluxgym 和 kohya-ss/sd-scripts：

git clone https://github.com/cocktailpeanut/fluxgym
cd fluxgym
git clone -b sd3 https://github.com/kohya-ss/sd-scripts

完成之后你的文件夹结构应该会如下所示：

/fluxgym
  app.py
  requirements.txt
  sd-scripts/

（2）现在从根文件夹（fluxgym文件中）激活一个 虚拟环境：fluxgym

如果你使用的是 Windows：

python -m venv env
env\Scripts\activate

如果你使用的是 Linux：

python -m venv env
source env/bin/activate

当然也可以使用conda创建（前提条件是你已经安装了conda或mimiconda，这个教程网上很多)：

conda create -n fluxgym python=3.10
conda activate fluxgym

下面这里输入“y"然后按Enter：

（3）然后进入 sd-scripts文件夹，安装依赖项

cd sd-scripts
pip install -r requirements.txt

通常情况下依赖默认会到官网进行下载，很多在国外的下载速度会非常缓慢，这时需要我们通过镜像加速下载：

清华源：-i https://pypi.tuna.tsinghua.edu.cn/simple

使用如下：

cd sd-scripts
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

完成之后返回根（fluxgym）文件夹，安装应用程序依赖项：

cd ..
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

安装依赖时如果出现下图的报错：

那么可以更换 requirements.txt文件中 gradio_logsview@https://huggingface.co/spaces/cocktailpeanut/gradio_logsview/resolve/main/gradio_logsview-0.0.17-py3-none-any.whl的 huggingface.co为 hf-mirror.com如下图：

然后重新执行依赖安装命令即可。

最后，安装 pytorch Nightly：

pip install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cu121

2.启动项目

回到根文件夹（ fluxgym/)，激活虚拟环境（venv或comda)后，然后运行

cd fluxgym	#回到根文件夹
python app.py	#运行项目

然后访问出现的网址即可，如果有需求可以进行指定，比如我指定：0.0.0.0：8080

cd fluxgym
export GRADIO_SERVER_NAME=0.0.0.0
export GRADIO_SERVER_PORT=8080
python app.py

如果出现类似下图的模块缺失，通过 pip install进行安装就好：

例：pip install voluptuous

然后再次通过 python app.py命令启动项目。当输出为下图中的内容时，恭喜你！运行成功了！：

此时只需在浏览器输入 127.0.0.1：8080即可访问UI界面，如下：

3.下载模型

丹炉安装完成后，差的就只有零件儿（模型）了，我提供了多种下载的方式，你可以根据实际情况选择。开干！

模型路径

说在前面，所有的模型大小加起来大致在30GB左右，如果你当前的内存不够存储，那我们可以先修改模型的存储路径到其它地方：打开 app.py文件，找到下图的两部分代码并将其修改为想变动的路径：

你想修改的路径/
	——models/
		+——unet/	#unet文件夹中放置flux模型
		|	flux-dev.sft
		|——vae/		#vae文件夹中放置vae模型
		|	ae.sft
		+——clip/	#clip文件夹中有两个模型
			clip_l.safetensors
			t5xxl_fp16.safetensors

自动下载模型

（1）如果你的设备已经能够访问如huggingface等外国网址，那么启动UI界面后，在下图标出的地方填入类似的内容（随便填，目的是启动模型下载的代码）后，点击“Training”就会自动下载缺失的模型。

（2）然后再点击下图按钮下载“Florence-2“模型，这是用来对训练的图片进行自动打标的模型。有了这个模型后，只需轻轻一按，就能实现反推提示词的效果。直接简化了模型训练的步骤！

（2）设置环境变量下载(需要网速稳定）

如果不能访问外网，那我们可以通过huggingface国内的镜像网站hf-mirror来下载。在启动项目命令 app.py运行前，输入下面命令：export HF_ENDPOINT=https://hf-mirror.com，然后再按照（1）的方法下载。

如果出现下载出错并且报出下面错误：

这是由于Hugging Face Hub 的 hf_transfer 模式在并行下载过程中出现了问题。可以尝试重新下载几次，如果都不行还可以尝试通过禁用 HF_HUB_ENABLE_HF_TRANSFER 来解决这个问题：中断项目，在运行项目前设置环境变量，然后重新启动：

export HF_HUB_ENABLE_HF_TRANSFER=False

如果都无法解决，那就手动下载吧

手动下载

（1）首先，在浏览器下下载以下模型：models/clip。一共有两个，分别是clip_l和图xxl。

clip_l:

https://huggingface.co/comfyanonymous/flux_text_encoders/resolve/main/clip_l.safetensors?download=true

t5xxl:

https://huggingface.co/comfyanonymous/flux_text_encoders/resolve/main/t5xxl_fp16.safetensors?download=true

(2)其次，在文件夹下下载以下模型：models/vae。

https://huggingface.co/cocktailpeanut/xulf-dev/resolve/main/ae.sft?download=true

(3)最后，在文件夹下下载以下模型：models/unet。

https://huggingface.co/cocktailpeanut/xulf-dev/resolve/main/flux1-dev.sft?download=true

当然，手动下载模型也可以通过hf-mirror镜像网站。将上面网址中的 huggingface替换为 hf-mirror.co即可。

最后的文件结构将如下所示：

/models
  /clip
    clip_l.safetensors
    t5xxl_fp16.safetensors
  /unet
    flux1-dev.sft
  /vae
    ae.sft
/sd-scripts
/outputs
/env	#如果使用conda安装的虚拟环境，就没有
app.py
requirements.txt
...

这篇教程有帮助到大家吗？欢迎在评论区交流讨论~