FluxGym怎么运行？通常需要基础的硬件支持,并且有不同的版本可供选择,可以根据以下教程里面的步骤进行操作！也可以直接在我们网站注册直接免费部署简单便捷。
一、FluxGym 简介
FluxGym 是一款专为 FLUX 模型设计的 LoRA 训练工具，融合了 AI-Toolkit 的简洁 WebUI 与 Kohya 脚本的灵活功能，支持 12GB-20GB VRAM 设备，无需复杂终端操作即可实现模型个性化微调。其核心优势在于自动下载模型、支持自定义基础模型，且兼容 Windows 与 Linux 系统，是 AI 绘画爱好者的高效训练工具。
二、运行前置条件
硬件要求：NVIDIA 显卡(支持 CUDA)，显存≥12GB(推荐 16GB 以上);
软件环境：Python 3.10-3.12(不支持 3.13+)，Git，Microsoft Visual Studio 2022(勾选 C++ 桌面开发)，Rust 环境;
网络准备：部分依赖与模型需联网下载，建议配置镜像加速。
星宇智算官网支持免费部署立马安装！点击下方立即试用!
三、详细运行步骤
(一)环境搭建(以手动安装为例，最稳定方案)
克隆项目仓库
打开终端，执行以下命令克隆 FluxGym 及依赖脚本：
git clone https://github.com/cocktailpeanut/fluxgym
cd fluxgym
git clone -b sd3 https://github.com/kohya-ss/sd-scripts
国内用户可替换为 Gitee 镜像地址提升速度。
创建并激活虚拟环境
Windows：
python -m venv env
env\scripts\activate
Linux：
python -m venv env
source env/bin/activate
安装依赖包
先安装 sd-scripts 依赖，再安装 FluxGym 主程序依赖：
cd sd-scripts
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
cd ..
# 修改requirements.txt，解决schedulefree依赖冲突
sed -i ‘s/schedulefree==1.4/schedulefree==1.4.1/g’ requirements.txt
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
安装 PyTorch 与 CUDA
根据显卡型号选择对应版本：
普通 NVIDIA 显卡(非 50 系列)：
pip install –pre torch torchvision torchaudio –index-url https://download.pytorch.org/whl/nightly/cu121
RTX 50 系列显卡：
pip install –pre torch torchvision torchaudio –index-url https://download.pytorch.org/whl/nightly/cu128
pip install -U bitsandbytes
下载模型文件
需在项目根目录创建models文件夹，按以下结构放置模型：
models/clip：下载 clip_l.safetensors、t5xxl_fp16.safetensors;
models/vae：下载 ae.sft;
models/unet：下载 flux1-dev.sft。
推荐使用 HF 镜像(hf-mirror.com)加速下载。
(二)启动 FluxGym
在虚拟环境激活状态下，执行启动命令：
python app.py
启动成功后，浏览器访问http://localhost:7860即可进入 WebUI，上传图片并配置 Lora 信息即可开始训练。
四、常见问题 FAQ
启动时提示 “ImportError: cannot import name ‘cached_download’”?
解决方案：升级 huggingface-hub，执行pip install -U huggingface-hub，替换旧版 API 调用方式。
依赖安装时出现 C++ 编译错误?
原因：未安装 Visual Studio C++ 编译器。需安装 VS2022 并勾选 “C++ 桌面开发”，同时配置环境变量 PATH 指向编译器目录。
显存不足导致程序崩溃?
解决方案：关闭其他占用显存的程序，或在 WebUI 中降低批量处理大小，12GB 显存建议设置为 2-4.
模型下载缓慢或失败?
改用国内镜像(如hf-mirror.com)下载，或通过网盘获取模型文件后手动放置到对应目录。
PyTorch 版本不兼容 optimum-quanto?
执行pip install optimum-quanto==0.2.6.指定兼容版本即可解决。
