← 返回列表
训练与微调工具

LoRA Forge：用于训练 Anima、SDXL、FLUX 等模型 LoRA 的 Web UI

PineCookie/LoRA-Forge · Web UI for training LoRAs on Anima, Krea 2, MOSS-Image, SDXL, FLUX, SD3.5 and SD1.5. Tuned for speed: per-block torch.compile, flash-attn, fp16 accumulation and a batched ProdigyPlus step (1.5-2x faster adds up!). Built on kohya-ss sd-scripts and musubi-tuner, with its own MOSS-Image trainer.

GitHub原文发布 未知首次收录 2026-10-18上架 2026-10-18 07:02

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

LoRA Forge 是一个通过浏览器表单启动 LoRA 训练的 Web UI，支持 Anima、Krea 2、MOSS-Image、SDXL、FLUX、SD3.5 和 SD1.5，并为 SDXL 与 SD1.5 提供 Dreambooth 全量微调。底层调用 kohya-ss/sd-scripts、musubi-tuner 以及自研的 MOSS-Image 训练器，自动准备 Python、PyTorch 和训练环境。项目提供 Essentials 简化表单、配置导入导出、Runs 页面进度与 loss 曲线、样本图和控制台输出，并通过 torch.compile、flash-attn、fp16 累加和批量化 ProdigyPlus 步骤提升训练速度。
# stable-diffusion# fine-tuning# lora-training# sdxl# webui

核心能力与快速开始

★ 3 · TypeScript

能做什么
提供面向 LoRA 训练的本地 Web UI：按模型页面填写表单并开始训练；自动安装 Python、PyTorch、sd-scripts 与 musubi-tuner；支持 Anima、Krea 2、MOSS-Image、SDXL（含 Illustrious、NoobAI、Pony 等）、FLUX、SD3.5、SD1.5，以及 SDXL/SD1.5 的 Dreambooth 全量微调；含配置 JSON/TOML 导入导出、运行记录、loss 与学习率图表、样本图、控制台输出和 LoRA 文件列表；通过 torch.compile、flash-attn、SDPA、fp16 累加、优化器步骤批量化及 block swap 加速训练。
适用场景
用于在本地 NVIDIA GPU 上为 Anima、Krea 2、MOSS-Image、SDXL、FLUX、SD3.5、SD1.5 训练 LoRA；进行 SDXL 或 SD1.5 的 Dreambooth 全量微调；在 16 GB 显卡上训练 Krea 2 与 MOSS-Image；通过浏览器管理训练配置、监控训练过程和查看样本图；导出与复用训练配置。
项目形态
可直接使用的工具
部署方式
本地部署：Windows 或 Linux，需要 NVIDIA GPU；下载 Release zip 后运行 run_gui.ps1 或 run_gui.sh，首次启动自动下载 Python、PyTorch 和训练器；默认访问 http://127.0.0.1:28000。
主要依赖
Windows 或 Linux；NVIDIA RTX 20 系列及以上（计算能力 7.5），驱动 580 或更新；推荐 RTX 30 系列及以上以使用 bf16 与 flash-attn；Anima/SDXL LoRA 默认设置约 9 GB 显存，MOSS-Image 与 Krea 2 面向 16 GB 显卡；需要 Git 与 uv；flash-attn 为可选安装项。
使用限制
不支持的硬件包括 GTX 10 系列及更旧显卡，以及其他品牌 GPU。flash-attn 默认不安装。项目主要由个人维护，README 提示可能存在粗糙之处。速度和显存数据基于特定 RTX 5070 Ti 环境测量，其他显卡收益不同。许可证为 AGPL-3.0，商用条件未说明；模型与训练成本未说明。
许可证
AGPL-3.0
最近推送
2026-10-17 23:14
官方入门项目文档核对 README 依据 ↗

资料检查：2026-10-18 07:00 · 卡片整理：2026-10-18 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证

职业应用

程序员

作为本地 Web UI 工具，用于在浏览器表单中配置并启动 SDXL、FLUX、SD1.5 等模型的 LoRA 训练，查看训练进度、loss 曲线、样本图和控制台输出，便于开发者进行图像模型微调实验。

查看内容依据
LoRA Forge is a web UI for training LoRAs. You pick a model, fill in a form in the browser, press Start and follow the training on a live page

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

fast-DreamBooth：在 Google Colab 中用个人图片快速微调 Stable Diffusion 模型

fast-DreamBooth 是一个基于 Google Colab 的自动化 DreamBooth 工具，用于使用自己的图片训练定制化 Stable Diffusion 模型。据描述，整个过程大约只需 30 分钟，适合初学者和希望快速实验 AI 图像生成的用户。项目提供 Jupyter Notebook 形式的使用流程，涵盖图片上传、模型训练和训练后图像生成等步骤。

PieXis：Pi 编程智能体的扩展包与本地 WebUI

PieXis 是面向 Pi coding agent 的扩展包，提供交互式问答、agent 配置与子代理、提示词、技能、主题以及本地 WebUI 等资源。它通过 Pi 包管理器安装，安装后加载 AskQuestion、plan/orchestrator/debug/ask/code 等 agent 配置、终端 UI 头部/尾部信息、推荐工具启用、音效通知、访问防护和 /init、/commit、/summary 提示词，并附带 caveman、ponytail、agent-browser、ui-ux-pro-max 等技能。项目需要在 Node.js 22.19+ 和当前 Pi 版本下运行，部分技能需额外安装 CLI 或依赖 Python 3。

fine-tuning-pipeline：基于 PyTorch 的 LLM LoRA/QLoRA 监督微调流水线

该项目是一个面向生产场景的因果语言模型监督微调（SFT）流水线，基于 Hugging Face Transformers、PEFT 与 Accelerate 构建，支持 LoRA/QLoRA、assistant-only 损失掩码、单卡与多卡训练以及可选 DeepSpeed ZeRO-3。数据侧提供 JSON/JSONL/HF 数据集的规范化、schema 过滤与确定性切分，训练侧通过种子控制与每次运行的 run_manifest.json 提升可复现性，并输出安全序列化的模型检查点与 LoRA 合并脚本。仓库还包含 AWS SageMaker/Terraform 部署脚手架示例，以及 Ruff、Black、配置校验、测试、CodeQL 与 Terraform 校验等工程质量检查。

NVIDIA Nemotron：面向智能体 AI 的开源模型训练配方、部署指南与用例资源库

NVIDIA Nemotron 开发者资源库，围绕 Nemotron 系列开源高效多模态模型，提供从数据准备、合成数据生成、预训练、SFT、PEFT、强化学习到评测、量化与部署的完整训练配方，以及使用 cookbook、端到端智能体工作流示例和模块化 nemotron steps CLI。仓库还附带名为 nemotron-customize 的 Claude Code 插件，可按步骤目录规划流水线并生成 YAML 配置。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。

讨论 0

登录后参与讨论，阅读资讯无需注册。

还没有评论，来分享第一个看法。