【T2itrainer】相关介绍
yusheng
发布于：2025-07-18
👋
相关介绍：
T2itrainer支持低显存训练多种模型，其中包括Kontext lora、Flux Fill lora、Kolors、SD3.5 Large。
轻量高效：仅需 10–20 组图片，便可达到传统微调框架训练效果，且显存消耗低
一、创建实例并使用
1.从小工具打开公网访问
2.如果是训练kontext lora则输入7860端口
3.调节不同端口
Script | Command |
|---|---|
Flux kontext lora训练 | 输入7860端口 |
Flux Fill lora 训练 | 输入7860端口 |
Kolors 训练 | 输入7861端口 |
SD3.5 Large 训练 | 输入7862端口 |
👋
注意：可同时开启多个公网访问并打开，但是不能多进程同时训练（会报错）
二、训练
1.数据集训练准备（以kontext lora训练为教程）
👋
注意：
1.Kontext 训练数据集的图片必须是成对出现的：每一组图片包含一张训练图像（原图），一张参考图像（优化图片）；
1.Kontext 训练数据集的图片必须是成对出现的：每一组图片包含一张训练图像（原图），一张参考图像（优化图片）；
1.1 图片命名规范：
训练图像（原图）命名后缀： _T参考图像（优化图片）命名后缀： _R打标文件命名后缀： _R | 示例： | 示例：  |
2.图片分辨率高于520px；
3.图片支持png、jpeg、jpg；
提示：平台镜像中已内置了数据集的示例，可供直接使用体验：
2.训练参数设置
- 学习率：图片生成越精细，图片组数越多，同时希望 LoRA 稳定生效，则需要提高学习率，建议lora训练参数0.001；
- 待完善...
3.训练开始
点击run_button即可开始训练
可在日志查看训练进度
