LyCORIS

超越 LoRA 的微调工具箱，让 Stable Diffusion 定制更灵活高效

LyCORIS 是一个面向 Stable Diffusion 的模型微调工具库，专注于实现超越传统 LoRA 的各种秩适应（Rank Adaptation）方法。它解决了标准 LoRA 在表达能力和灵活性上的局限，为图像生成模型的定制化训练提供了更丰富的参数高效微调方案。核心能力包括：支持 LoRA、LoHa、LoKr、IA3 等多种算法，提供统一的训练接口和配置管理，兼容 diffusers 生态，可无缝集成到现有 Stable Diffusion 工作流中。通过选择不同的秩适应策略，用户可以在保持模型体积小巧的同时，获得更优的概念学习效果和风格迁移能力，尤其适合在资源有限的环境下进行个性化模型训练。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 2524

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类图像生成

开发团队KohakuBlueleaf

所属国家

官网地址

GitHubhttps://github.com/KohakuBlueleaf/LyCORIS

定价模式free

价格说明开源项目，Apache-2.0 许可证，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型finetune,stable-diffusion

GitHub 星标★ 2524

30天Star增速

HF 下载量

上线时间2023-02-27 00:00:00

最近更新2026-09-16 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数5

使用教程

难度：入门约 10 分钟部署方式：库/依赖 5 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Python 环境（README 未给出具体版本要求）
已按 docs/README.md 索引查阅对应文档
用于微调的 Stable Diffusion 相关环境
可运行仓库内 example/ 下的示例脚本

安装与启动步骤

1克隆项目仓库

从 GitHub 拉取 LyCORIS 源码，README 指向的 docs 与 example 都在仓库内。
```
git clone https://github.com/KohakuBlueleaf/LyCORIS
```
2进入项目目录

切换到克隆下来的 LyCORIS 目录，后续命令都在此目录下执行。
```
cd LyCORIS
```
3查阅文档索引

README 明确说明文档从 docs/README.md 开始，该文件把每份文档和源码目录映射到它回答的问题。
```
cat docs/README.md
```
4查看叠加示例用法

README 给出带 --help 的叠加适配器演示脚本，先看帮助了解参数，再决定如何调用。
```
python example/stacked_wrapper_demo.py --help
```
5运行端到端示例

README 指明 example/standalone_example.py 是端到端演示，用于验证环境是否可用。
```
python example/standalone_example.py
```

如何确认成功

能执行 python example/stacked_wrapper_demo.py --help 并打印出帮助信息，说明仓库文件与 Python 环境已就绪。

常见问题

Q：LyCORIS 支持哪些算法？

A：README 列出 LoRA(LoCon)、LoHa、LoKr、(IA)^3、DyLoRA，以及原生微调（dreambooth）；GLoRA 和 GLoKr 标注为 coming soon。

Q：怎么选择具体算法？

A：可查 docs/algorithms/README.md 的已实现算法列表和 docs/algorithms/guidelines.md 指南，README 表格对比了保真度、灵活性与多样性。

Q：可以在同一模块上叠加多个适配器吗？

A：可以。每次 apply_to() 会在已有适配器之后叠加新的适配器，对某个 wrapper 调用 restore() 只移除它自身的贡献，先前 wrapper 仍然生效。

Q：安装依赖的命令在哪里？

A：README 节选未给出安装命令，只说明文档从 docs/README.md 开始，按问题索引各文档与源码目录，需到该文档进一步查找。

Q：有没有更深入的实验结论？

A：README 提供了论文链接 openreview.net/forum?id=wfzXa8e783，可查看更深入的实验结果与讨论。

注意事项

README 未提供 pip install 等安装命令，实际依赖安装方式需查阅 docs/README.md。
该仓库目前不含 GLoRA 与 GLoKr，README 标注为 coming soon。
项目源自 archive 分支的 LoCon。
可加入 README 中给出的 Discord 服务器讨论更多细节。

核心亮点

提供 LoRA、LoHa、LoKr 等多种秩适应算法，覆盖不同场景需求，选择灵活
与 diffusers 深度集成，训练和推理流程无缝衔接，上手门槛低
模型文件小巧，训练显存占用低，适合消费级显卡和个人开发者

不足之处

文档偏技术化，新手配置环境时可能遇到障碍
部分高级算法（如 LoKr）在特定模型上效果不稳定，需要调参

适用场景

个人开发者微调 Stable Diffusion 模型以学习特定物体或画风
在有限 GPU 资源下训练轻量级风格迁移模型
研究秩适应算法在图像生成模型中的效果对比

替代项目

kohya-ss/sd-scripts、Hugging Face PEFT、diffusers

项目介绍

LyCORIS 是模型训练领域的开源项目，由 KohakuBlueleaf 开发，2023 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（2,524）位列前 30%，在模型训练分类中处于中上游。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-16。Apache-2.0 许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：个人开发者微调StableDiffusion模型以学习特定物体或画风。同类可对比的替代方案包括 kohya-ss/sd-scripts、Hugging Face PEFT、diffusers。

上一篇：SimpleTuner

下一篇：AwesomeOPD