OneTrainer

Q: Python 版本有什么要求？

README 明确要求 Python >=3.10 且 <3.14，版本不符会导致依赖安装或运行失败。

Q: Linux 下报缺少 libGL 怎么办？

Ubuntu 上执行 sudo apt-get update && sudo apt-get install libgl1 即可补上该库。

Q: 提示找不到 tkinter 怎么办？

Alpine 执行 apk add py3-tk，Arch 执行 sudo pacman -S tk；其他发行版安装对应的 tk 包。

Q: 支持哪些模型和训练方式？

支持 FLUX.1、SD 1.5/2.x/3.x、SDXL、PixArt、Sana 等，训练方式包括全量微调、LoRA 和 embedding。

Q: GUI 和 CLI 该用哪个？

日常使用选图形界面即可；需要更精细控制时用命令行模式，具体参数见官方 QuickStartGuide 与 wiki。

图形化界面搞定扩散模型训练，从 LoRA 到全量微调一站式完成。

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署模型训练 🍴 复刻 338 🐛 待处理 138 👀 关注 27

GitHub ↗

GitHub 星标 ★ 3264

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源项目，AGPL-3.0许可证，可免费使用和自行部署。

项目预览

项目数据

分类模型训练

开发团队Nerogar

GitHubhttps://github.com/Nerogar/OneTrainer

定价模式🏷️完全免费

价格说明开源项目，AGPL-3.0许可证，可免费使用和自行部署。

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AGPL-3.0

主要语言Python

技术栈/模型fine-tuning,image-model-training,lora,training

GitHub 星标★ 3264

上线时间2023-04-12 00:00:00

代码更新2026-11-09

仓库体积5.6 MB

本站数据更新2026-11-10

维护状态活跃

收录时间2026-08-10

浏览次数9

项目介绍

OneTrainer 是一个面向扩散模型（Diffusion Model）的一站式训练工具，旨在简化图像生成模型的微调与训练流程。它解决了 Stable Diffusion 等模型训练过程中配置复杂、脚本分散、上手门槛高的问题，将 LoRA、Textual Inversion、DreamBooth、Fine-tuning 等多种训练方式集成在统一的图形界面中。核心能力包括：支持多种主流模型架构（如 SD1.5、SDXL、Flux 等），提供直观的 WebUI 操作，内置数据预处理、采样预览、损失曲线可视化等功能，并支持多 GPU 并行训练。项目采用 Python 编写，基于 PyTorch 生态，通过模块化设计让新手也能快速开始训练，同时为进阶用户保留灵活的参数配置。

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 2026-08-10 · 当前星标 ★ 3264

技术标签

fine-tuning lora training

使用教程

难度：入门约 15 分钟部署方式：本地安装 8 步

环境要求

Python >=3.10 且 <3.14（README 明确要求）
Git（用于克隆仓库）
Windows 可直接使用 install.bat；Linux/Mac 使用 install.sh
Ubuntu 等 Linux 发行版需额外安装 libGL；Alpine/Arch/Xubuntu 可能还需 tkinter

安装与启动步骤

1克隆仓库

把 OneTrainer 源码下载到本地，命令会把仓库克隆到当前目录下的 OneTrainer 文件夹。
```
git clone https://github.com/Nerogar/OneTrainer.git
```
2进入项目目录

后续所有安装命令都需要在克隆出来的 OneTrainer 目录中执行。
```
cd OneTrainer
```
3自动安装（推荐）

Windows 双击或执行 install.bat；Linux 和 Mac 执行 install.sh。两个命令按平台二选一，不要都跑。
```
install.bat
./install.sh
```
4手动创建虚拟环境

不使用自动脚本时，手动安装的第一步是创建独立虚拟环境，避免污染系统 Python。
```
python -m venv venv
```
5激活虚拟环境

Windows 执行给出的命令；Linux/Mac 根据所用 shell 以相应方式激活（如 source venv/bin/activate）。
```
venv\scripts\activate
```
6安装 Python 依赖

在已激活的虚拟环境中安装 requirements.txt 内声明的全部依赖，耗时取决于网络。
```
pip install -r requirements.txt
```
7补装 Linux 系统库

Ubuntu 缺少 libGL 时执行；Alpine 用 apk add py3-tk、Arch 用 sudo pacman -S tk 补 tkinter。
```
sudo apt-get update
sudo apt-get install libgl1
```
8启动并查阅文档

安装完成后可按 GUI 或 CLI 两种模式使用；README 指向 QuickStartGuide 与 wiki 查看具体用法。