LemongrassisLora 是一个专为 AI 图像生成爱好者和开发者设计的本地 Web 工作室。它将数据集管理、预处理、标签编辑、模型训练到最终测试渲染的全流程整合在一个浏览器窗口中。支持在本地 PC、Google Colab 甚至通过手机远程访问,旨在让训练 LoRA/LoKr/LoHa 适配器变得直观、高效且对硬件更友好。
- GitHub:https://github.com/Lemongrassis/LemongrassisLora

核心优势:全流程一体化与极致易用性
- 单窗口闭环工作流:从导入图像、筛选去重、自动打标、生成正则集,到配置训练参数、监控损失曲线及生成测试图,所有步骤均在侧边栏导航下有序进行,配置自动保存,无需在不同软件间切换。
- 自我解释的设置界面:每个训练选项都配有平实的描述和推荐值(支持英/俄双语),悬停即可查看详细说明,降低了新手门槛。
- 亲民的资源占用:通过块交换(Block Swapping)、fp8/INT8 量化、潜在空间缓存及 NaViT 打包等技术,显著降低显存需求。开始前即可预估步数、耗时及 VRAM 占用情况。
- 移动端远程操控:支持通过 Tailscale Funnel 或 ngrok 建立受密钥保护的永久链接,界面针对手机布局优化,让你随时随地监控训练进度。

支持的模型与架构
LemongrassisLora 深度适配当前主流的三大图像生成模型系列,输出标准的 lora_unet_* 文件,可直接用于 ComfyUI 等推理工具。
| 模型系列 | 基础架构 | 文本编码器 | 最低显存要求 | 特色支持 |
|---|---|---|---|---|
| Anima (含 2.9B) | Cosmos-Predict2 DiT (2B) | Qwen3-0.6B | 6 GB+ (带块交换) | 字幕优化 |
| Krea 2 (Raw/Turbo) | 单流 MMDiT (12.9B) | Qwen3-VL-4B | 12 GB+ (INT8/fp8 + 块交换) | 优化器调优 |
| MOSS Image (Base) | 5B | Qwen3.5-9B | 12 GB+ (ConvRot INT8 + 卸载) | MOSS 专属指南 |
注:三者均支持 LoRA、LoKr 和 LoHa 训练。

功能全景
数据集管理
- 灵活导入:支持拖放图片/ZIP 包,或直接抓取 Danbooru/Gelbooru 资源。
- 智能筛选:双窗格视图对比“数据集”与“训练集”,自动识别重复概念文件夹,支持验证集划分。
- 预处理工具箱:提供重复审查、ESRGAN 放大、宽高比裁剪及修复功能,所有操作均可撤销。
- 高级标签编辑:支持批量增删改、去重、标签分布统计、自动完成及历史恢复点。
- 正则集生成:可基于基础模型生成或由 Booru 标签分布拉取,确保训练稳定性。
训练控制台
- 版本化管理:一个数据集可对应多个训练版本,各自独立配置正则集与输出路径。
- 诚实的资源估算:基于实际运行数据预估步数、时间及 VRAM 占用,避免中途崩溃。
- GPU 队列系统:支持暂停、保存进度、恢复训练及崩溃后自动重启,实现无人值守训练。
- 实时监控:可视化展示 Loss 和 LR 曲线,每 N 步生成样本预览,支持日志查看与结果导出。
算法与优化
- 多样化适配器:支持 LoRA, LoKr, LoHa, DoRA, rs-LoRA, OrthoLoRA, T-LoRA, Riemann LoRA 及逐层秩设置。
- 前沿优化器:集成 AdamW/8bit, Lion, CAME, Automagic, Prodigy (+ ScheduleFree), Simplified AdEMAMix, Muon, SOAP (+ SF), SinkGD 等。
- 精细调度策略:涵盖余弦家族、多项式、REX/ReREX、Licatron 及多种时间步采样策略(如 InfoNoise, Style-Friendly SNR, Krea 2 shift 等)。
- 防过拟合机制:内置适配器权重 EMA、DOP 及色调锚定技术。
生成与测试
- 实时测试:通过持久守护进程生成单图或 XY 矩阵,支持多 LoRA 混合权重测试。
- 检查点汤(Checkpoint Soup):将不同 Epoch 或运行平均合并为一个文件并立即测试,快速寻找最佳效果。

快速开始
- 环境准备:确保拥有 NVIDIA 驱动、Python 3.10+、Node.js 18+ 及 Git。
- 克隆项目:
git clone https://github.com/Lemongrassis/LemongrassisLora cd LemongrassisLora - 启动工作室:
- Windows: 运行
LemongrassisLora.exe或studio.bat - Linux/macOS: 运行
./studio.sh
- Windows: 运行
- 下载模型:在设置 → 模型中下载对应系列的基础模型文件至
./models/。 - 创建项目:按照侧边栏指引导入数据并开始训练。
硬件要求
- GPU:NVIDIA 显卡(最低 6GB 用于 Anima,12GB 用于 Krea 2/MOSS;推荐 16GB+)。不支持 AMD GPU 和 Apple Silicon。
- 内存:最低 16 GB,推荐 32 GB+。
- 存储:SSD,至少预留 20 GB 空间。
LemongrassisLora 以其“为训练者而非脚本读者设计”的理念,极大地简化了复杂模型的微调过程,是希望深入定制 Anima、Krea 2 或 MOSS Image 风格的用户不可或缺的效率工具。
© 版权声明
文章版权归作者所有,未经允许请勿转载。















