Kohya 对 FLUX LoRA (B GPU) 和 DreamBooth / Fine-Tuning (B GPU) 训练带来了巨大改进

编程并不是一个机械性的工作，而是需要有思考，有创新的工作，语法是固定的，但解决问题的思路则是依靠人的思维，这就需要我们坚持学习和更新自己的知识。今天golang学习网就整理分享《Kohya 对 FLUX LoRA (B GPU) 和 DreamBooth / Fine-Tuning (B GPU) 训练带来了巨大改进》，文章讲解的知识点主要包括，如果你对文章方面的知识点感兴趣，就不要错过golang学习网，在这可以对大家的知识积累有所帮助，助力开发能力的提升。

您可以下载所有配置和完整说明

https://www.patreon.com/posts/112099700 - 微调帖子

https://www.patreon.com/posts/110879657 - LoRA 帖子

Kohya 对 FLUX LoRA 和 DreamBooth / Fine-Tuning（最低 6GB GPU）训练带来了巨大的改进。

现在低至 4GB GPU 就可以以良好的质量训练 FLUX LoRA，24GB 及以下 GPU 在进行 Full DreamBooth / Fine-Tuning 训练时获得了巨大的速度提升

您至少需要 4GB GPU 才能进行 FLUX LoRA 训练，至少需要 6GB GPU 才能进行 FLUX DreamBooth / Full Fine-Tuning 训练。真是令人兴奋。

您可以在 > 下载所有配置和完整说明 https://www.patreon.com/posts/112099700

上面的帖子还提供了适用于 Windows、RunPod 和 Massed Compute 的一键安装程序和下载程序

模型下载器脚本也已更新，在 Massed Compute 上下载 30+GB 模型总共需要 1 分钟

您可以在这里阅读最近的更新：https://github.com/kohya-ss/sd-scripts/tree/sd3?tab=readme-ov-file#recent-updates

这是 Kohya GUI 分支：https://github.com/bmaltais/kohya_ss/tree/sd3-flux.1

减少 VRAM 使用的关键是使用块交换

Kohya 实现了 OneTrainer 的逻辑，显着提高了块交换速度，现在也支持 LoRA

现在您可以在 24 GB 及以下 GPU 上使用 LoRA 进行 FP16 训练

现在您可以在 4 GB GPU 上训练 FLUX LoRA - 关键是 FP8、块交换和使用某些层训练（记住单层 LoRA 训练）

我花了 1 天多的时间来测试所有较新的配置、它们的 VRAM 需求、它们的相对步进速度并准备配置:)

终于介绍完啦！小伙伴们，这篇关于《Kohya 对 FLUX LoRA (B GPU) 和 DreamBooth / Fine-Tuning (B GPU) 训练带来了巨大改进》的介绍应该让你收获多多了吧！欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布文章相关知识，快来关注吧！