cocktailpeanut/fluxgym

Dead simple FLUX LoRA training UI with LOW VRAM support

Flux Gym – 低スペックGPUでFLUX LoRAモデルを訓練するためのシンプルなWeb UI

概要 – 強力な Kohya-ss 訓練スクリプトをラップした軽量なGradioベースのWebインターフェースで、わずか12GBのVRAMでFLUX拡散モデル（LoRA）の微調整が可能です。このUIは AI-Toolkit フロントエンドのフォークですが、オリジナルとは異なり、12GB、16GB、20GBのビデオカードで動作します。

重要性 – 新しいFLUXファミリーのLoRA訓練には、通常24GBのGPUまたはコマンドラインでのワークフローが必要です。Flux Gymは、ポイント・アンド・クリックのブラウザUIを通じて、同じ柔軟性（完全なKohya-ssフラグセット）を提供し、さらにモデルの自動ダウンロード、訓練中のサンプル画像生成、Hugging Faceへのワンクリック公開などの便利な機能も備えています。

コア機能（READMEの記載による）

  • 低VRAMサポート – 12GB/16GB/20GBのGPUで動作します。
  • 完全なKohya-ss互換性 – Advanced タブでは、最新の sd-scripts リリースでサポートされているすべての訓練フラグが公開されています。
  • 自動モデルハンドリング – ベースとなるFLUXモデル（dev, dev2pro, schnell）はオンデマンドでダウンロードされます。追加モデルは models.yaml を介して追加可能です。
  • サンプル画像生成 – N ステップごとにプレビュー画像をオプションで生成でき、プロンプト、シード、サイズ、CFGなどを完全に制御できます。
  • Hugging Faceへの公開 – 個人のHFトークンをローカルに保存し、訓練したLoRAをUIから直接プッシュできます。
  • Docker & Pinokio ワンクリックインストーラー – 設定が簡単な、用意されたコンテナと1クリックランチャー。
  • キャプションファイル・アップロード – 画像ファイル名と一致するペアの .txt キャプションファイルをサポートしています。

クイックスタート・オーバービュー（READMEより）

  1. インストール – Pinokioの1クリックランチャーを使用するか、提供されているDocker composeを実行するか、リポジトリをクローンしてPython仮想環境をセットアップします。
  2. 実行 – (venvを有効にした状態で) python app.py を実行すると、http://localhost:7860 でGradioサーバーが起動します。
  3. 訓練 – UIにて：
    • LoRAのメタデータを入力します。
    • 画像（およびオプションの .txt キャプション）をアップロードします。
    • 必要に応じてサンプル画像生成を有効にし、プロンプトを設定します。
    • Start をクリックします。
  4. 公開 – 訓練後、Hugging FaceトークンでログインしてLoRAをプッシュします。

インストール詳細（ドキュメントによる）

  • 手動: リポジトリをクローンし、sd-scripts サブモジュールをクローン (git clone -b sd3 https://github.com/kohya-ss/sd-scripts)、venvを作成し、sd-scripts の要件をインストールし、アプリの requirements.txt をインストールした後、PyTorchのナイトリービルド（RTX 50シリーズの場合はcu121またはcu128）をインストールします。
  • Docker: 同じフォルダ構成を使用し、必要に応じて PUID/PGID を設定してから、docker compose up -d --build を実行します。
  • Pinokio: 自動インストーラーについては、提供されているPinokioのリンクをクリックしてください。

サポートされているベースモデル（自動ダウンロード）

  1. Flux-1-dev
  2. Flux-1-dev2pro (背景についてはリンク先のMedium記事を参照)
  3. Flux-1-schnell (サポートされていますが、高品質には推奨されません)
  4. カスタムモデル – models.yaml にエントリを追加してください。

拡張性

  • UIは最新の kohya-ss/sd-scripts の起動フラグを解析して Advanced タブを構築しているため、アップストリームで追加された新しいフラグは自動的に表示されます。
  • 新しいベースモデルの追加は、models.yaml を編集するだけで済み、共有したい場合はPRをコミットしてください。

利用者

READMEには、ユーザーがローカルで訓練したLoRAを共有しているPinokio上のコミュニティ・ショーケース・ページへのリンクがあります。

結論

Flux Gymは、ユーザーフレンドリーなWeb UIとKohya-ss訓練スクリプトの全機能を結びつける、真のオープンソースツールであり、コンシューマーグレードのGPUでFLUX LoRAの微調整を可能にします。

関連