Flux3 编辑 LoRA 训练 — AI Toolkit（云端）

使用 AI Toolkit 训练 Flux3 编辑 LoRA，本教程示例为动漫转真人风格转换。

💡 流程与此前训练千问 Image 2.1 编辑 LoRA 完全一致，之前练过千问的可以直接套用这套流程。

环境要求

• GPU：4090 24G 完全够用，3090 同样没问题
• 显存占用参考：约 17G（未开 Layer Offloading）；开启后 16G 显卡也能训练
• 本地安装：参考 AI Toolkit 官方 GitHub 的 Installation 教程（含 Easy Install 简易安装）

快速开始（云端）

# 1. 部署 4090 24G 或 3090 实例
# 2. 打开 Jupyter Lab
# 3. 复制粘贴启动 AI Toolkit 的指令并运行
#    （第一条是启动 Config UI，用于训练后测试效果，可选）
# 4. 需要同时跑 Config 做测试时，点「+」新建 Terminal 单独运行
# 5. 打开 AI Toolkit

配置较好的机器可以一边训练一边用 Config 生图/生视频测试效果。

数据集准备

编辑 LoRA 需要两组一一对应的图片：

• Control（原始图）：转换前的图片，如二次元图
• Target（目标图）：转换后的目标图片，如对应的真人图

两组图片需要同名对应（如 cosplay.png 在两个文件夹里都要有）。推荐直接在 AI Toolkit 的 Dataset 页面内上传，比新建文件夹再上传更快。

创建训练任务

在 Queue 页面可以直接克隆已有的训练配置（之前训练过千问 2.1 或 H3 视频的配置都可以作为起点）。新手请照以下步骤修改：

1. 上传好的 Dataset 里，把类型分别设为 Control 和 Target，对应好原始图和目标图
2. 删掉多余的 Dataset 项（示例配置可能有多组，自己通常只需要一组）
3. 填写 Caption：描述转换目标，如"把动漫原始图片转换成真实性的图片"（反过来做真人转动漫同理调整描述）
4. 修改触发词为自己的词（任意好记的词即可，用来触发这个 LoRA）
5. 修改采样设置：上传参考图，提示词改成你要测试的转换目标

关键参数

参数	推荐值	说明
精度（Transformer）	8bit（推荐默认）	48G 显卡（4090/5090）可尝试改为 None（原始 BF16），效果更好但显存占用大，容易爆显存
Layer Offloading	不爆显存不用开；3090 等配置爆显存时开启，先用 50，不够再往上调，最高 100
LoRA Rank	32
保存间隔	每 250 步，最多保留 15 个检查点
优化器	Automagic v3（推荐）	自适应学习率，每阶段自动寻找最优值，效果较好；显存紧张可用 8bit
分辨率	512 / 768 / 1024（默认组合）	也可尝试开 1280、关 512，自行测试
采样	保持默认开启	方便直观看训练效果

训练后测试

• LoRA 训练完成后，可直接在 Queue 页面的 Generate 里用镜像预配置的设置测试，也可以换用自己的 Config 工作流测试
• 整体操作流程简单，建议直接上手尝试