由 Ostris 开发的终极扩散模型微调训练工具包。
系统要求：Python 3.10+, Nvidia GPU (建议至少 8GB VRAM), Python 虚拟环境, Git。
git clone https://github.com/ostris/ai-toolkit.git
cd ai-toolkit
git submodule update --init --recursive
python3 -m venv venv
source venv/bin/activate
# install torch first
pip3 install --no-cache-dir torch==2.6.0 torchvision==0.21.0 --index-url https://download.pytorch.org/whl/cu126
pip3 install -r requirements.txtgit clone https://github.com/ostris/ai-toolkit.git
cd ai-toolkit
git submodule update --init --recursive
python -m venv venv
.\\venv\\Scripts\\activate
pip install --no-cache-dir torch==2.6.0 torchvision==0.21.0 --index-url https://download.pytorch.org/whl/cu126
pip install -r requirements.txt提供直观的网页操作界面，让您轻松启动、监控和管理AI模型训练任务，无需编写复杂指令。
cd ui
npm run build_and_start启动后访问 http://localhost:8675 即可使用完整功能
设置环境变量 AI_TOOLKIT_AUTH 可增加密码保护，防止未授权访问。
提供更简易的Gradio图形界面，特别适合初学者快速上手模型训练、数据处理和LoRA发布。
# 安装 ai-toolkit 后
cd ai-toolkit
huggingface-cli login # 登录 HF
python flux_train_ui.py支持最新的FLUX.1扩散模型训练，提供业界领先的图像生成质量。硬件要求：至少24GB VRAM的NVIDIA GPU。
config/examples/)，根据需求修改参数。python run.py config/your_config_name.yml高级提示：调整学习率、训练步数和批次大小可显著影响训练结果，建议参考官方文档获取最佳实践。
高质量的训练数据是成功训练模型的关键，AI Toolkit支持多种数据格式：
AI Toolkit提供多种云端训练选项，适合没有高端GPU的用户或需要大规模训练的项目。
提供完整的RunPod模板和部署脚本，支持一键部署：
提供Modal平台的无服务器训练方案：
云端训练是大型模型和长时间训练的理想选择，详细配置请参考官方文档。
AI Toolkit提供精细的层级控制，可针对特定网络层进行优化训练：
network:
type: "lora"
# ... other params
network_kwargs:
only_if_contains: ["layer_name_suffix"]
# or
ignore_if_contains: ["layer_name_suffix"]通过精确控制训练层，可以显著提高特定类型内容的生成质量，如人脸细节、材质或特定风格。
支持LoKr (Low-Rank Kronecker product)训练方法，提供更高效的参数利用率：
network:
type: "lokr"
lokr_full_rank: true
lokr_factor: 8
# ... other paramsLoKr技术能在较小的参数量下实现更好的训练效果，特别适合复杂风格和细节丰富的概念。
支持混合精度训练，在保持模型质量的同时显著降低VRAM需求：
更多高级训练技术和优化方法请参考 高级训练文档。
需要更详细的使用指南或遇到问题？请访问 AI Toolkit GitHub 官方仓库 或加入 Discord 社区 获取帮助。