下载

进入 Releases 下载页

SD-reScripts

✨ 享受 Stable Diffusion 训练！ ✨

v1.6.1

Fork from 秋葉 aaaki/lora-scripts
Modify By Lulynx

下载 · 文档 · 中文README · 协作约束 · 前端补丁规范 · 合规说明 · 品牌与署名

SD-reScripts 是基于 LoRA-scripts（又名 SD-Trainer）继续维护的分支版本。

这是一个实验性的项目,目前处于beta阶段,有成吨的问题

LoRA & Dreambooth 训练图形界面 & 脚本预设 & 一键训练环境，用于 kohya-ss/sd-scripts

• 新增依赖缓存管理页，支持预缓存、批量缓存、进度/剩余时间展示，以及安装时优先复用本地缓存
• 新增全局代理设置，并可选将代理继承到训练器下载与预检流程
• 修复共享运行时安装 / 更新脚本吞掉 pip 或 git 参数的问题，避免运行时安装异常失败
• 修复多项训练与工具链回归问题，包括 SD3 日志输出清理与 Dataset Tag Editor 的 torch 自举兜底

现在项目已经内置了新的桌面启动器，用来完成运行时安装、启动控制、环境诊断、托管参数导入与更安全的日常启动流程。

Stable Diffusion 训练工作台。一切集成于一个 WebUI 中。

按照下面的安装指南安装 GUI，然后运行 run_gui.ps1 (Windows) 或 run_gui.sh (Linux) 来启动 GUI。

Tensorboard	WD 1.4 标签器	标签编辑器

项目也支持重新设计过的新前端 UI，可以通过启动器里的前端界面切换功能，或你当前配置的前端 profile 机制来启用。

如果你使用仓库内已经准备好的便携 Python，可以不依赖系统 Python。

否则需要：

• Python 3.10+
• Git

git clone --recurse-submodules https://github.com/WhitecrowAurora/lora-rescripts.git

运行 run_For_≤RTX40series.bat 或 run_For_SageAttention_Experimental.bat。

• 如果根目录已经有可直接运行的 python 文件夹，安装脚本会优先使用它
• 如果没有，脚本会按原有方式创建虚拟环境并安装依赖
• setup_embeddable_python.bat 现在主要用于修复“原始嵌入式 Python 缺少 pip”这类异常情况，不再是正常安装的必经步骤

运行 run_gui.ps1，程序将自动打开 http://127.0.0.1:28000

如果你想尝试 sageattn，Windows 现在提供了专用的实验性启动脚本：

• run_For_SageAttention_Experimental.bat：面向 NVIDIA 显卡的通用 SageAttention 运行时
• run_For_NVIDIA_SageAttention_Experimental.bat：与上面相同运行时的兼容别名
• run_For_Only_Blackwell_SageAttention_Experimental.bat：更推荐给 RTX 50 / RTX PRO Blackwell 用户使用的实验入口，适合在 xformers 不稳定时尝试

说明：

• 首次运行会自动准备一个独立运行时，不会污染主 python / python_blackwell / xformers 环境
• SageAttention 只会影响那些明确启用了 sageattn 的训练路由或配置；仅仅换成 SageAttention 启动脚本，并不会强制所有训练器停止使用 sdpa 或 xformers
• 可以使用 check_sageattention_env.bat 或 check_sageattention_env.bat --blackwell 检查运行时是否就绪
• 如果你想使用本地预编译 wheel，可以放到 sageattention-wheels 或 sageattention_wheels 目录中
• Blackwell 专用运行时会优先选择文件名中带有 blackwell 或 sm120 的 wheel

当前已经验证通过的一组实验环境依赖：

• Python 3.11.9
• Torch 2.10.0+cu128
• TorchVision 0.25.0+cu128
• Triton Windows 3.5.1.post24
• SageAttention 1.0.6

运行 install.bash。

• 如果已经存在 python/bin/python，安装脚本会优先使用环境Python
• 否则如果存在 venv/bin/python，会优先使用现有虚拟环境
• 如果两者都没有，则默认自动创建 venv，除非你明确传入 --disable-venv
• 现在它会与当前 Windows 安装器尽量保持同一套基础 PyTorch / 依赖策略

运行 bash run_gui.sh，程序将自动打开 http://127.0.0.1:28000。

• run_gui.sh 现在会自动检测 python/bin/python、venv/bin/python 或系统 Python
• 如果基础依赖缺失，它会自动调用 install.bash
• 如果标签编辑器依赖缺失且当前 Python 版本兼容，它会自动调用 install_tageditor.sh
• 中国大陆镜像环境可使用 bash run_gui_cn.sh
• Windows 用户可使用 run_gui_cn.bat、run_auto_cn.bat、run_manual_cn.bat
• 各实验路线也已提供对应的 _cn.bat 启动入口，可在原脚本名后追加 _cn
• 首次使用 CN 启动脚本时会让你选择 PyPI 镜像源，直接回车默认清华，选择会保存到 config/china_mirror.json

TensorBoard 已经集成到 GUI 启动流程中。

启动器里的 托管 页面可以连接在线参数站，实现训练参数的 24 小时本地缓存、一键导入和导入回滚。

对应仓库：

• WhitecrowAurora/lulynx-lora-share

推荐的 Linux 依赖：

• git
• Node.js 20+
• npm 10+
• 如果原生模块需要本地编译：build-essential、python3、pkg-config、libvips-dev

git clone https://github.com/WhitecrowAurora/lulynx-lora-share.git
cd lulynx-lora-share

安装后端依赖：

cd backend
npm install

安装前端依赖：

cd ../frontend
npm install

本地启动后端：

cd ../backend
PORT=3000 CORS_ORIGIN=http://127.0.0.1:5173 npm run start

本地启动前端开发环境：

cd ../frontend
VITE_API_URL=http://127.0.0.1:3000/api npm run dev -- --host 0.0.0.0 --port 5173

生成前端生产构建：

cd frontend
VITE_API_URL=https://你的域名.example/api npm run build

随后让反向代理去托管 frontend/dist，并把 /api 转发到后端服务即可。

网站上线后，在 LORA Share 站内创建 API Key，把服务器地址和 API Key 填进启动器的 托管 页面即可使用一键导入。

本项目基于多个开源社区的成果，向以下项目与维护者致敬：

• aaaki/lora-scripts：本仓库的直接上游 Fork 基础。
• Akegarasu/lora-scripts：早期脚本工作流与 GUI 形态的重要基础。
• kohya-ss/sd-scripts：本项目所使用的核心训练后端。
• kozistr/pytorch_optimizer：本项目扩展优化器与调度器选项所使用的核心集合来源。
• 67372a/LoRA_Easy_Training_Scripts：本项目若干高级训练路线思路与实验方向的重要参考来源。

特别感谢

DrRelax599