🎨 EasyLora

一键训练你的专属 LoRA 模型

English | 简体中文

---

✨ 特性亮点

🚀 开箱即用 无需复杂配置，一键启动 自动检测 GPU / VRAM 智能参数推荐	🎯 专注体验 拖拽上传图片 可视化标签编辑 实时训练进度
🔧 灵活可控 支持 SD1.5 / SD2.1 / SDXL 多种优化器可选 断点续训	📦 一键部署 训练完成自动复制到 WebUI 中间检查点保存 完整日志追踪

---

🛠️ 技术栈

层级	技术
前端	React 18 + TypeScript + Vite + Tailwind CSS
后端	FastAPI + WebSocket + Pydantic
训练	Kohya sd-scripts + PyTorch + CUDA
工具	bitsandbytes + accelerate + safetensors

---

📁 项目结构

EasyLora/
├── 🐍 server.py              # FastAPI 后端服务
├── 📁 EasyLora/              # 训练核心模块
│   ├── train.py              # 训练逻辑
│   └── config.py             # 配置管理
├── 🌐 web/                   # React 前端
│   └── src/
│       ├── ui/               # UI 组件
│       ├── store.ts          # 状态管理
│       └── utils/            # 工具函数
├── 📂 workspace/             # 数据工作区
│   ├── raw_uploads/          # 原始上传
│   └── processed/dataset/    # 处理后数据
├── 📦 outputs/               # 训练产物
└── ⚙️ user_settings.json     # 用户配置

---

🚀 快速开始

环境要求

依赖	版本	说明
Python	3.10+	建议使用虚拟环境
Node.js	18+	前端构建
CUDA	11.8+	GPU 加速（可选）
VRAM	6GB+	推荐 8GB 以上

1️⃣ 启动后端

# 创建虚拟环境
python -m venv .venv

# 激活环境 (Windows)
.\.venv\Scripts\activate

# 激活环境 (Linux/Mac)
source .venv/bin/activate

# 安装依赖
pip install -r requirements.txt

# 启动服务
python server.py

🌐 后端地址：http://127.0.0.1:8000

2️⃣ 启动前端

cd web
npm ci
npm run dev

🌐 前端地址：http://127.0.0.1:5173

---

📖 使用流程

graph LR
    A[📤 上传图片] --> B[🏷️ 编辑标签]
    B --> C[⚙️ 调整参数]
    C --> D[🚀 开始训练]
    D --> E[📦 获取 LoRA]

Loading

Step 1: 上传图片 📤

• 拖拽图片到上传区域
• 支持批量上传
• 自动预览与缩略图

Step 2: 编辑标签 🏷️

• 点击图片进入编辑器
• 使用预设标签快速添加
• 支持自定义标签

Step 3: 调整参数 ⚙️

参数	建议值	说明
学习率	5 (中档)	1-10 档位，自动映射
训练步数	1200	根据图片数量调整
优化器	AdamW8bit	低显存推荐
保存间隔	200	0 = 仅保存最终

Step 4: 开始训练 🚀

• 点击「开始训练」按钮
• 实时查看日志与进度
• 支持中途停止

---

🎓 进阶技巧

🔬 使用 DAdaptation 自动探测最优学习率

点击展开详细步骤

第一阶段：探测

1. 优化器选择 DAdaptation (自动LR)
2. 系统自动设置 UNet LR = 1.0, TextEnc LR = 0.5
3. 开始训练，观察日志中的 D 值
4. 等待数值稳定后记录，停止训练

第二阶段：正式训练

1. 将记录的数值 ÷ 3
2. 切换优化器为 Lion 或 AdamW8bit
3. 填入计算后的学习率
4. 开始正式训练

⚡ VRAM 优化建议

VRAM	推荐配置
6GB	优化器: AdamW8bit, Batch: 1
8GB	优化器: AdamW8bit, Batch: 2
12GB+	优化器: Lion, Batch: 4

---

🔌 API 参考

主要接口

方法	端点	说明
GET	/api/settings	获取配置
POST	/api/settings	保存配置
POST	/api/upload	上传图片
POST	/api/update-caption	更新标签
GET	/api/processed-images	已处理图片列表
POST	/api/stop	停止训练
WS	/ws/train	训练进度推送

---

⚙️ 配置说明

常用配置项

{
  "DEFAULT_OUTPUT_DIR": "./outputs",
  "DEFAULT_WORKSPACE_DIR": "./workspace",
  "DEFAULT_SD_WEBUI_LORA_DIR": "C:/path/to/webui/models/Lora",
  "COPY_TO_SD_WEBUI_ON_FINISH": true,
  "LR_SLIDER_MIN": 1e-5,
  "LR_SLIDER_MAX": 1e-4,
  "AUTO_ADD_MODEL_NAME_PREFIX": true
}

---

🧪 测试

# E2E 测试
cd web
npx playwright install
npm run test:e2e

---

📝 常见问题

Q: 首次启动很慢？

A: 需要下载模型权重，且首次会预处理数据到 workspace/processed/

Q: 训练时显存不足？

A: 尝试使用 AdamW8bit 优化器，减小 batch size，或降低图片分辨率

Q: 如何使用自定义基座模型？

A: 在设置页面配置 DEFAULT_MODEL_SDXL / DEFAULT_MODEL_512 等路径

---

📜 许可证

本项目采用 PolyForm Noncommercial License 1.0.0

• ✅ 非商业用途：免费使用、修改与再发布
• ❌ 商业用途：需取得作者书面授权

完整条款参见 LICENSE 文件

---

Made with ❤️ for the AI Art Community

⭐ 如果这个项目对你有帮助，请给一个 Star！