RLT LORA训练器 - CNB云端部署

• GitHub 仓库

⚠️ 重要提示：当前为开发版本，遇到报错记得要提issue呀

2025.7.2 2:30

• 基本功能跑通，可以直接训练Flux（sd1.5和xl需要自己配模型）
• 仓库测试版上线
• Joy2打标功能已经测试通过

目前比较麻烦，后续会一键启动

每个命令都在新终端运行：

bash /workspace/src/start.sh

bash /workspace/src/qiuye.sh

bash /workspace/src/rlt.sh

• 仓库中目前只配置了FluxEast大模型和配套，项目测试结束后会补充SD1.5和SDXL
• 大家要用也可以自己先拉取

bash /workspace/src/git_backup.sh

RICK LORA TRAINER (RLT) 是一个基于ComfyUI和秋叶训练器的自动化LORA训练平台，旨在简化AI绘图LORA模型的训练流程。该项目通过直观的用户界面和自动化工作流程，使得即使是零基础的用户也能轻松创建出高质量的LORA模型。

• 预设优化的训练参数
• 自动处理训练流程
• 适合新手快速上手

• 支持多训练节点管理
• 训练素材自动下载与处理
• 模型资产统一管理

• 素材自动下载（支持百度网盘）
• 智能数据标注处理
• 一键式LORA模型训练
• 训练完成后自动上传成品模型

• 可视化任务状态追踪
• 训练进度实时展示
• 训练日志实时查看
• 失败任务自动重试
• 历史训练数据查询

• 可定制的训练参数
• 节点资源分配策略
• 调度间隔设置
• 并发限制控制

• Flask + SQLAlchemy
• WebSocket实时通信
• 多线程任务调度
• ComfyUI API集成

• Vue 3框架
• 响应式界面设计
• 实时数据更新

素材收集 -> 自动标注 -> LORA训练 -> 模型生成 -> 效果预览

• Python 3.8+
• Node.js 14+
• ComfyUI环境
• 秋叶训练器（可选）

1. 克隆项目

git clone <repository_url>
cd lora-automatic-training

2. 安装后端依赖

cd backend
pip install -r requirements.txt

3. 安装前端依赖

cd fronted-ui
npm install

4. 启动服务

# 启动后端
cd backend
python run.py

# 启动前端
cd fronted-ui
npm run serve

1. 创建任务

   • 上传素材或提供下载链接
   • 选择训练类型和参数（或使用默认配置）
   • 提交任务

2. 监控进度

   • 在任务列表查看所有任务状态
   • 点击任务查看详细训练日志和进度

3. 查看训练结果

   • 训练完成后自动生成预览图
   • 下载训练好的LORA模型

• TaskScheduler: 任务调度与管理
• ComfyUIAPI: 与ComfyUI交互的API封装
• AssetManager: 资产管理系统
• TrainingService: 训练服务
• ConfigService: 配置管理

1. 如何调整训练参数？

   • 在设置页面可以修改默认训练参数
   • 也可以在创建任务时为单个任务指定参数

2. 支持哪些训练模型？

   • 目前主要支持Flux-LORA模型训练
   • 计划后续添加更多模型支持

3. 如何处理训练失败？

   • 系统会自动重试失败的任务
   • 可以查看详细错误日志进行排查

• 添加更多模型训练支持
• 优化训练参数自动推荐
• 增强批量处理能力
• 添加模型评分系统

欢迎提交Pull Request或Issue来帮助改进项目。

MIT License