本项⽬是基于业界知名的开源项目 ai-toolkit 进行的深度二次开发，旨在为广大AI开发者和爱好者提供一个开箱即用、高效便捷的 Qwen-image 模型 LoRA (Low-Rank Adaptation) 微调训练解决方案。
为了最大程度地简化部署和运维成本，我们已将整个环境无缝集成到腾讯云云原生应用平台（CNB），实现了真正意义上的一键部署和云端训练。无论您是经验丰富的算法工程师，还是初涉AI领域的新手，都能通过本平台轻松开启您的大模型微调之旅。
-
专注 Qwen-image LoRA 训练: 项目核心功能是为通义千问视觉语言大模型（Qwen-image）提供高效的 LoRA 训练支持。LoRA 是一种轻量级的模型微调技术，它通过在原有大模型上附加小型可训练的“适配器”层，实现在不改动原始模型权重的情况下，用更少的计算资源和更短的时间来训练模型以适应特定任务，非常适合个性化定制和快速迭代。
-
广泛的模型兼容性: 除了对 Qwen-image 的深度支持，平台同样兼容了当前业界众多主流的文生图及相关AI模型，包括：
- FLUX.1 & FLUX.1-Kontext-dev: 新一代高效文生图模型。
- HiDream: 专注于高质量图像生成的模型。
- Stable Diffusion (SD) 1.5 & SDXL: 开源社区最流行、生态最丰富的文生图基石模型。
- WAN2.1 & WAN2.2: 其他优秀的图像生成模型。 这使得本平台成为一个多功能的AI模型训练与推理工作台。
-
极致简化的一键云原生部署: 依托腾讯云 CNB 的强大能力，彻底告别繁琐的本地环境配置（如 Python 版本管理、CUDA 驱动安装、依赖库冲突等问题）。您只需轻点几下鼠标，即可在云端自动构建一个包含所有依赖、配置完善的训练环境。
-
可视化 WebUI 操作界面: 项目内置了一个功能丰富的图形化操作界面（WebUI），让模型训练、参数调整、进度监控、模型管理等操作变得直观简单。其中，部分界面已由贡献者 johnnycui 进行了汉化，极大地提升了中文用户的使用体验。
本项目经过深度优化，旨在提供在腾讯云云原生应用平台（CNB）上“零配置”的部署体验。
- Fork 本仓库: 在 GitHub 页面右上角，点击 "Fork" 按钮。这将把本项目的完整代码仓库复制一份到您自己的代码托管账户下，为您后续的云端部署和个性化修改做好准备。
- 进入云原生开发: 导航至您刚刚 Fork 好的仓库，点击页面右上角的 “云原生开发” 按钮。
- 启动云端 VS CODE: 系统将自动为您启动一个预配置好的云端 VS CODE 开发环境。这是一个功能完整的在线IDE，包含了运行本项目所需的一切基础环境。
- 自动化启动: 进入环境后，您无需执行任何运行命令。项目内置的
start-services.sh启动脚本已设置为自动执行。您会在终端看到依赖项的安装日志。请耐心等待几分钟，让系统完成环境初始化。
在等待依赖安装的过程中，您可以并行开始准备模型文件。
-
打开终端: 在云端 VS CODE 界面中，通过菜单栏的
Terminal > New Terminal或使用快捷键Ctrl + ~(Windows/Linux) /Command + ~(Mac) 打开一个新的终端面板。 -
创建模型存储目录: 为了规范管理模型文件，首先创建一个专用的
models文件夹并进入该目录。请在终端中输入并执行以下命令：mkdir models cd models -
克隆 Qwen-Image 模型: 执行以下命令，从CNB提供的模型仓库中克隆 Qwen-Image 的基础模型。
git clone https://cnb.cool/ai-models/Qwen/Qwen-Image -
下载其他模型 (可选): 如果您需要使用其他兼容的模型，可以访问 CNB AI 模型仓库 浏览并获取它们的克隆地址，然后使用
git clone命令下载到models文件夹下。
-
监控端口状态: 将您的注意力转移到云端 VS CODE 界面的左侧面板，找到并点击 "PORTS" 选项卡。这里会实时显示当前应用对外暴露的网络端口。
-
访问Web界面: 当初始化和部署流程全部完成后，您会看到列表中出现一个端口号为 8675 的服务。点击该端口号右侧的 地球图标（Open in Browser） 链接。
-
开始训练: 浏览器将自动打开一个新的标签页，加载出 Qwen-image LoRA Trainer 的 Web 操作界面。至此，您已成功部署整个平台，可以开始上传数据集、配置训练参数，启动您的第一个模型微调任务了！
- 本项目的诞生与发展，离不开 ostris/ai-toolkit 项目所奠定的坚实基础。我们在此向原作者的卓越工作和开源精神致以最诚挚的感谢。
