OneTrainer训练Z-Image Base/Turbo lora、flux lora教程
OneTrainer是一款专注于Diffusers模型的训练工具,支持Z-Image、Flux等多种底模的LoRA训练。该工具通过图形化界面降低了操作门槛,支持本地化部署与灵活的参数配置,能够适应不同显存条件下的训练需求。本文将梳理从环境搭建、模型获取、参数配置到差异化训练的完整流程。
01环境准备与软件安装
- 下载与解压
通过下载压缩包或使用Git Clone命令获取OneTrainer源码文件。 - 环境配置
运行安装命令,系统将自动配置所需环境。此过程需保持网络畅通。 - 启动软件
运行启动命令,等待软件界面加载。软件界面默认为全英文,可借助截图工具辅助理解。
02模型下载与导入
训练所需的基础模型(Diffusers模型)需从魔搭社区获取。在社区内搜索Z-Image或Flux等关键词,利用Git Clone命令或界面下载功能将模型文件保存至本地硬盘。导入训练器时,关键在于定位并选择文件夹中的
model_index.json文件,这是软件识别模型的核心依据。03关键训练参数设置
| 参数类别 | 推荐设置 | 说明与注意事项 |
|---|---|---|
| 学习率 | CAM优化器 | 提供多种优化器可选,CAM为常用选项 |
| 训练轮次 | 10轮 | 根据训练需求调整 |
| Batch Size | 6及以上 | 显存占用随数值增加而上升,需根据实际显存调整 |
| 学习次数 | 10次及以上 | 针对Z-Image Base模型 |
| 分辨率 | 512像素 | 人像训练效果较好,像素越高显存需求越大 |
| 训练精度 | FP16 | 10系、P102、V1版和20系显卡需改为FP16 |
OneTrainer核心参数配置参考
04Z-Image Base与Turbo的差异及注意事项
在Z-Image系列模型的训练中,Base版本与Turbo版本存在显著差异,特别是底模的选择直接影响最终效果。
Z-Image 模型训练策略对比
Z-Image Base
标准版本训练配置
- 使用官方原版Diffusers模型即可获得较好效果。
- 建议学习次数设置在10次以上。
Z-Image Turbo
需特殊底模支持
- 原版Diffusers模型训练效果不佳。
- 必须使用社区修改版底模(如ostris/Z-Image-De-Turbo)。
- 在训练器预设中选择“D Turbo”,并导入修改后的底模路径。
05训练实操与保存
- 路径配置
在软件中设置训练素材的文件夹路径。 - 采样设置
采样图选项可选择不需要。 - 保存设置
设置每隔多少分钟或多少轮保存一次模型备份。 - 开始训练
点击“开始”按钮执行训练任务。
当前文章无评论,是时候发表评论了