LyCORIS

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

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署图像生成 🍴 复刻 187 🐛 待处理 7 👀 关注 18

GitHub ↗

GitHub 星标 ★ 2539

维护状态较活跃

是否开源开源

定价模式 🏷️完全免费开源项目，Apache-2.0 许可证，完全免费，可自行部署使用。

项目预览

项目数据

分类图像生成

开发团队KohakuBlueleaf

GitHubhttps://github.com/KohakuBlueleaf/LyCORIS

定价模式🏷️完全免费

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🔧 仅开源项目，无在线服务，需自行部署

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★ 2539

上线时间2023-02-27 00:00:00

代码更新2026-10-19

仓库体积218.2 MB

本站数据更新2026-11-09

维护状态较活跃

收录时间2026-08-09

浏览次数6

项目介绍

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。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 2539

技术标签

finetune stable-diffusion

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

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
```