当前位置：首页 > news >正文

comfyui + fluxGym角色固定工作流实战

news 2026/6/3 15:17:00

FluxGym是什么

FluxGym是一个专为FLUX 模型设计的、极简化的LoRA 训练工具。它的核心目的是让普通用户在消费级显卡（如 12GB/16GB 显存）上也能轻松LoRA，训练 AI 模型，无需面对复杂的参数设置，如果你想给 FLUX 炼制一个角色或画风 LoRA，但不想学习复杂的训练参数，FluxGym 是目前最适合新手的“傻瓜式”入门工具。

部署安装

1.使用git clone官方仓库

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

2.创建python虚拟环境

python -m venv env

3.安装依赖

cd sd-scripts
pip install -r requirements.txt

回到上级目录fluxgym安装依赖

cd ..
pip install -r requirements.txt

4.安装适配你的cuda环境的pytorch

在这个链接中（Previous PyTorch Versions）可以看到适合你cuda环境的pytorch

nvidia-smi 检查你的显卡支持的最高 CUDA 版本

看右上角的 CUDA Version:xx.x

安装适合你的cuda环境pytorch

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

如若安装过程中发生报错，一般都是依赖安装错误，建议直接将报错信息发送给gemini，使用gemini分析依赖，进行安装即可。

到这里已经安装部署完成

5.验证

启用venv，运行：fluxgym

python app.py，若能跳转到web页面

6.制作bat脚本快捷方式

直接使用gemini或其他AI制作bat脚本

给gemini发送以下信息：

“我需要你给我写一个bat文件，内容是执行以下命令：进入D:\AI_ENVS\fluxgym路径，执行cmd：

env\Scripts\activate ，然后输入：python app.py”

现在可以使用bat快捷方式进入fluxgym

7.安装fluxgym模型

fluxgym\models\clip路径下存放clip文件，下载链接如下

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

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

fluxgym\models\unet路径下存放模型主文件，下载链接如下

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

fluxgym\models\vae路径下存放VAE文件，下载链接如下

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

fluxgym参数设置

参数名	含义	推荐设置 / 建议
The name of your LoRA	LoRA文件名。最终生成的.safetensors文件就会叫这个名字。	建议用英文，不要包含特殊符号。例如my_cat_style_v1。
Trigger word/sentence	触发词。这是你将来在生图时，用来“激活”这个LoRA效果的关键词。	非常重要。建议起一个生僻的词，比如ohwx或者sks girl，避免和模型原本认识的词（如dog）冲突。
Base model	底模。选择基于哪个FLUX版本进行训练。	首选flux-dev。这是目前画质最好、兼容性最强的版本。除非你专门为了极速出图，否则不要选flux-schnell。
VRAM	显存限制。告诉程序你的显卡有多大显存。	20G (或High)。因为你用的是RTX 4090 (24G)，选最高档位可以让程序自动把Batch Size开大，训练更快。
Repeat trains per image	单图重复次数。每个Epoch中，每张素材图片被学习的次数。	10 - 20。如果素材少（<20张），设为20；如果素材多（>100张），设为5或10。
Max Train Epochs	最大训练轮数。整个数据集被完整训练多少轮。	10 - 20。通常15-20轮能得到较好的结果。太少学不会，太多会过拟合（画面崩坏）。
Sample Image...	采样预览设置。每隔多少步生成一张预览图。	建议设置Every N Steps为500或1000。设为0则不生成预览（最快）。
Resize dataset images	自动缩放分辨率。	512, 768,或1024。FLUX对分辨率不敏感，1024效果最好但最慢。512速度快但细节稍差。