Skip to content

GALIAIS/LoraHub

BranchesTags

Repository files navigation

LoraHub

自托管的 LoRA 训练工作台。统一管理 kohya / diffusion-pipe / anima_lora / ai-toolkit 训练后端，提供配置编辑、任务调度、训练分析、数据集处理、模型下载与产物归档。

Python 3.11+ License: AGPL-3.0-or-later

安装

需要 Windows 或 Linux，训练时需要 NVIDIA GPU。主程序使用 Python 3.11 / 3.12；vendored 后端会维护自己的独立 venv。

一键脚本

scripts/install.bat（Windows）或 scripts/install.sh（Linux）会从零搭好运行环境：通过 uv 安装 Python 3.12、创建 .venv、装 Python 依赖、装便携 Node.js、装前端依赖。所有产物落在项目根目录的 .lorahub/、.venv/、.node/ 下，完全自包含。

git clone https://github.com/GALIAIS/LoraHub
cd LoraHub
scripts\install.bat              # 默认源
scripts\install-cn.bat           # 国内镜像版
git clone https://github.com/GALIAIS/LoraHub
cd LoraHub
bash scripts/install.sh
bash scripts/install-cn.sh       # 国内镜像版

装好后用 scripts\run.bat / scripts/run.sh 启动：

scripts\run.bat              # 默认生产模式：API + 已构建的 SPA
scripts\run.bat dev          # 开发模式：API + Vite 热更新
scripts\run.bat api          # 仅启动 API

或注册全局 lorahub CLI（推荐）：

# Linux / macOS / WSL
.venv/bin/python -m lorahub manage install   # → ~/.local/bin/lorahub

# Windows
.venv\Scripts\python.exe -m lorahub manage install   # → %LOCALAPPDATA%\lorahub\bin\lorahub.cmd

# 之后可在任意目录使用：
lorahub doctor                # 查看环境健康度
lorahub                       # 打开 TUI（交互终端下）
lorahub --no-tui --help       # 传统命令帮助
lorahub service start         # 启动后台守护（随机端口）
lorahub service start --port 18765  # 指定端口
lorahub service status        # 查看运行状态
lorahub service stop          # 停止
lorahub service enable        # 注册系统级开机自启（Linux/macOS，需 sudo）
lorahub manage update         # 拉最新代码 + 重装依赖 + 重建前端
lorahub manage upgrade        # 切到最新 release tag
lorahub manage build          # 仅重建前端
lorahub --lang en --help      # 切换为英文 help / 输出

完整子命令见 scripts/README.md。

手动安装

git clone https://github.com/GALIAIS/LoraHub
cd LoraHub
pip install -e ".[api,dev]"
cd web && npm ci && cd ..

Docker

一份 Dockerfile 同时服务 GPU 训练与 CPU 仅 API/管理两种形态，所有用户数据通过命名卷持久化，docker compose down 不丢任务历史与配置：

git clone https://github.com/GALIAIS/LoraHub
cd LoraHub
cp docker/.env.example docker/.env          # 可选：填镜像源 / token
docker compose -f docker/docker-compose.yml --profile gpu up -d --build
# CPU 机器：
docker compose -f docker/docker-compose.yml --profile cpu up -d --build

访问 http://127.0.0.1:18765。镜像只携带应用本体，训练后端(kohya / diffusion-pipe / anima_lora / ai-toolkit)启动后在挂载卷里通过 Web UI 或 lorahub bootstrap-kohya 安装，与本地哲学一致。完整说明见 docs/getting-started/docker.md。

训练后端

训练后端在 Web UI「设置 → 安装与升级」中安装。该流程会按当前 CUDA / 驱动给出可选 PyTorch 版本，并使用已配置的 GitHub / PyPI / PyTorch / npm 镜像。

lorahub bootstrap-kohya              # CLI 仍保留 kohya 安装入口

anima_lora 位于 external/anima_lora/，ai-toolkit 位于 external/ai_toolkit/，无需再 clone。首次安装后可在 Web UI 下载 Anima / Krea2 等基础模型；下载任务支持镜像、状态持久化与续传。

如需指向已有的 checkout：

export LORAHUB_KOHYA_SD_SCRIPTS=/path/to/sd-scripts
export LORAHUB_DIFFUSION_PIPE=/path/to/diffusion-pipe
export LORAHUB_ANIMA_LORA_PYTHON=/path/to/anima_lora/.venv/bin/python
export LORAHUB_AI_TOOLKIT_REPO=/path/to/ai-toolkit

可选依赖

Extra 用途
api FastAPI 服务（lorahub serve）
gpu WD14 标注通过 onnxruntime-gpu 走 CUDA
tagging JoyTag（PyTorch）标注后端
dev 测试、lint、mypy、httpx
docs mkdocs 文档站

快速开始

lorahub init my_character --template anima_lora_default
$EDITOR my_character.yaml                       # 填 checkpoint 与数据集路径
lorahub validate my_character.yaml              # 校验配置
lorahub train    my_character.yaml              # 启动训练
lorahub serve    --port 18765                   # 启动 Web UI + REST API（可选）

启动后访问 http://127.0.0.1:18765。Job 详情页通过 SSE 实时推送事件，断线后通过 Last-Event-ID 续传。

完整使用流程见 docs/getting-started/quickstart.md。

界面预览

数据面板 训练配置
数据面板 训练配置
数据集 图像工作台
数据集 图像工作台
终端 参数搜索
终端 参数搜索

核心特性

  • 后端独立配置表单：kohya、diffusion-pipe、anima_lora、ai-toolkit 各自显示自己的字段，避免无关参数混在一起。
  • 训练调度：队列、取消、强制终止、恢复、异常事件、GPU slot、单任务多 GPU 分布式训练。
  • 多 GPU 策略：一任务一 GPU、单任务 DDP、Anima FSDP、Anima DeepSpeed ZeRO。
  • 图像工作台：导入、审计、WD14 / JoyTag 打标、智能 caption、去重、质量筛选、导出、LoRA 生图测试。
  • 训练分析：损失曲线、检查点、样图、事件时间线、AI 分析、任务对比。
  • 模型下载与产物下载：ModelScope / Hugging Face 镜像、状态持久化、续传、训练产物归档下载。
  • 维护更新：正式版 / dev 版本检测、更新说明、依赖重装、前端构建、按上次端口重启。
  • CLI / TUI / API：命令行、交互式 TUI、REST + SSE 使用同一套任务与状态数据。

训练后端

后端 上游 覆盖范围 备注
kohya kohya-ss/sd-scripts SD1.5、SDXL、SD3、FLUX、Lumina、HunyuanImage、Anima 适合经典 LoRA / LoCon / LoHa / DoRA 工作流。
diffusion-pipe tdrussell/diffusion-pipe Wan、HunyuanVideo、LTX、Cosmos、Flux2、Chroma、Qwen-Image 等 DeepSpeed / pipeline 训练后端。
anima_lora sorryhyun/anima_lora Anima DiT vendored 在 external/anima_lora/。
ai_toolkit ostris/ai-toolkit Krea2 vendored 在 external/ai_toolkit/。

每个后端的字段映射在 lorahub/core/backends/<name>/compiler.py。前端配置表单按后端拆分，不再展示无关字段。

关于 vendored 的 anima_lora

external/anima_lora/ 是 sorryhyun/anima_lora 的固定 snapshot，按上游 license 随附。LoraHub 的魔改层提供自动 VAE / TE 预处理、val_loss、采样保护、V100 fp16 稳定化、全量微调、OrthoLoRA / T-LoRA / Hydra / LyCORIS 系列算法、postfix、EasyControl、IP-Adapter、DMD turbo、DDP / FSDP / ZeRO 分布式启动。

external/ 下的 vendored 后端不要直接当作上游项目提交；LoraHub 集成与魔改代码主要在 lorahub/core/backends/*/。

CLI / API

lorahub jobs ls                         # 列任务
lorahub jobs cancel <id>                # 优雅停止
lorahub jobs kill <id>                  # SIGKILL 进程组
lorahub jobs resume <id>                # 从最新 checkpoint 续训
lorahub jobs rerun <id>                 # 用同一份配置重跑

lorahub sweeps submit configs/sweep.yaml
lorahub sweeps ls

lorahub system gpu                      # CUDA 设备快照
lorahub system info                     # python / torch / 后端探测

REST 端点全部挂在 /api：/api/configs、/api/jobs、/api/jobs/{id}/sse、/api/sweeps、/api/image-studio/*、/api/system/sse、/api/models/download 等。默认绑定 127.0.0.1，无内置鉴权——请勿直接暴露到公网；如需远程访问请加反向代理与认证。

许可证

LoraHub 采用 AGPL-3.0-or-later。完整文本见 LICENSE。如果你修改 LoraHub 并通过网络对外提供服务，AGPL 要求把修改后的源码同时开放给这些用户。

external/anima_lora/ 与 external/ai_toolkit/ 由各自上游 license 管辖，详见对应目录内的 LICENSE。

贡献

PR 与 issue 流程见 CONTRIBUTING.md。社区行为规范见 CODE_OF_CONDUCT.md。

社区

本项目已在 LINUX DO 社区 发布，感谢社区的支持与反馈。

致谢

About

galiais.github.io/LoraHub/

Resources

Readme

License

AGPL-3.0 license

Code of conduct

Code of conduct

Contributing

Contributing
Activity

Stars

20 stars

Watchers

0 watching

Forks

2 forks
Report repository

Releases

13 tags

Packages

 
 
 

Contributors

Languages