【小编推荐】fluxgym训练模型参数说明

Sample Image Prompts (Separate with new lines)   样图生成，一般填写其中一张素材的关键字

Sample Image Every N Steps    素材数量乘以Repeat trains per image（默认10）

--network_dim    真人32或者64 ，二次元 4-16

     network_dim：线性 dim，代表模型大小，数值越大模型越精细，常用 4~128，如果设置为 128，则 LoRA 模型大小为 144M。

重点：如果是12G显存，建议写16或者32。图片建议512px，可以使用ps截图（如果其他报错，只写这个就可以有不错测效果）

--apply_t5_attn_mask   将注意力掩码应用于T5-XXL编码和FLUX双块  勾选

--enable_bucket  启用桶进行多纵横比训练  勾选

--fp8_base_unet 勾选

--full_bf16 勾选

--lr_warmup_steps  学习预热步数  这个和第一部中的Expected training steps有关。一般是10%。

--max_bucket_reso 训练素材中最大尺寸

--min_bucket_reso 训练素材中最小尺寸

--network_alpha  一般和--network_dim 同步

线性 alpha，一般设置为比 Network Dim 小或者相同，通常将 network dim 设置为 128，network alpha 设置为 64。

--resolution   训练素材中的图片尺寸  比如：512,768,1280

--text_encoder_lr   4e-e 文本编码器的学习率，一般为 unet 学习率的十分之一 0.00001

--unet_lr   8e-e  unet 学习率，默认值为 0.0001

--log_with   tensorboard

--logging_dir  启用日志记录并将TensorBoard日志输出到此目录  随便写一个文件夹，日志会记录在这个文件夹下

以下是另一个大神的参数：

model_train_type = "flux-lora"

pretrained_model_name_or_path = "/mega-models/flux/unet/flux1-dev.safetensors"

ae = "/mega-models/flux/vae/ae.safetensors"

clip_l = "/mega-models/flux/clip/clip_l.safetensors"

t5xxl = "/mega-models/flux/clip/t5xxl_fp16.safetensors"

timestep_sampling = "sigma"

sigmoid_scale = 1

model_prediction_type = "raw"

discrete_flow_shift = 1

loss_type = "l2"

guidance_scale = 1

train_data_dir = "/root/images"

prior_loss_weight = 1

resolution = "768,768"

enable_bucket = true

min_bucket_reso = 256

max_bucket_reso = 2048

bucket_reso_steps = 64

bucket_no_upscale = true

output_name = "Yoko-flux"

output_dir = "/root/ComfyUI/models/loras"

save_model_as = "safetensors"

save_precision = "bf16"

save_every_n_epochs = 2

max_train_epochs = 16

train_batch_size = 1

gradient_checkpointing = true

gradient_accumulation_steps = 1

network_train_unet_only = true

network_train_text_encoder_only = false

learning_rate = 0.0001

unet_lr = 0.0005

text_encoder_lr = 0.00001

lr_scheduler = "cosine_with_restarts"

lr_warmup_steps = 0

lr_scheduler_num_cycles = 1

optimizer_type = "PagedAdamW8bit"

network_module = "networks.lora_flux"

network_dim = 32

network_alpha = 32

log_with = "tensorboard"

logging_dir = "./logs"

caption_extension = ".txt"

shuffle_caption = false

keep_tokens = 0

seed = 1337

clip_skip = 2

mixed_precision = "bf16"

fp8_base = true

no_half_vae = true

sdpa = true

lowram = false

cache_latents = true

cache_latents_to_disk = true

cache_text_encoder_outputs = true

cache_text_encoder_outputs_to_disk = true

persistent_data_loader_workers = true