安装¶

LoraHub 需要 Python 3.11 或 3.12，配合一块显存 ≥ 8 GB 的 NVIDIA GPU。Windows、Linux、macOS 三个平台都支持。至少要装一个训练后端：

kohya-ss/sd-scripts — 覆盖 SD / SDXL / Flux / Lumina / HunyuanImage / Anima。
tdrussell/diffusion-pipe — 覆盖现代 DiT 阵列（Flux2 / Chroma / Wan / Cosmos / Anima 等）。
sorryhyun/anima_lora — Anima 专用栈，已 vendored 在 external/anima_lora/，无需 clone。

三个后端可共存，每份配置通过 backend.type 字段切换。

一键脚本（推荐）¶

仓库根目录的 scripts/install.{bat,sh} 会从零搭好运行环境：通过 uv 安装 Python 3.12、创建 .venv、装 Python 依赖、装便携 Node.js、装前端依赖。所有产物都落在项目根目录的 .tools/、.venv/、.node/ 下，整个项目目录可以打包搬到另一台同架构的机器直接运行。

WindowsLinux / macOS

git clone https://github.com/GALIAIS/LoraHub
cd LoraHub
scripts\install.bat

git clone https://github.com/GALIAIS/LoraHub
cd LoraHub
bash scripts/install.sh

装好后用 scripts\run.bat / scripts/run.sh 启动：

scripts\run.bat              # 默认生产模式：API + 已构建的 SPA
scripts\run.bat dev          # 开发模式：API + Vite 热更新
scripts\run.bat api          # 仅启动 API

手动安装¶

如果机器已有 Python 3.11/3.12 与 Node.js 20+，可以直接走 pip：

git clone https://github.com/GALIAIS/LoraHub
cd LoraHub
python -m venv .venv
.venv\Scripts\activate          # Linux/macOS: source .venv/bin/activate
pip install -e ".[api,dev]"
cd web && npm install && cd ..

后端 bootstrap¶

在工作树内 bootstrap指向已有 checkout

lorahub bootstrap-kohya              # 约 10 分钟：clone + venv + PyTorch + 依赖
lorahub bootstrap-diffusion-pipe

bootstrap-kohya 默认 PyTorch 2.6.0 + CUDA 12.4。可用 --cuda cu121 / cu118 / cu128、--torch X.Y.Z 切版本，--no-xformers 跳过可选 xformers，--force 抹掉半装的目录重来。

set LORAHUB_KOHYA_SD_SCRIPTS=C:\path\to\sd-scripts
set LORAHUB_DIFFUSION_PIPE=C:\path\to\diffusion-pipe

Linux/macOS 用 export。也可把 .env.example 复制为 .env 后编辑——LoraHub 启动时会从项目根读取。

`anima_lora` 的特殊之处¶

external/anima_lora/ 已随 LoraHub 一起分发。它需要独立的 venv（CPython 3.13 + torch 2.11/2.12 nightly + CUDA 13.x），与 LoraHub 主 venv 隔离。在 Web UI 的「设置 → 安装」面板点击「安装 anima_lora」会自动跑 uv sync 在 external/anima_lora/.venv 内创建这个 venv，首次安装大约下载 6–8 GB（torch + CUDA wheels）。

venv 装好后，安装面板会出现「下载模型」按钮，从 HuggingFace circlestone-labs/Anima 仓库拉取约 14 GB 的 Anima 基础模型（DiT、Qwen3 文本编码器、Qwen-Image VAE）到项目根目录的 models/ 下。下载完成后即可启动 anima 训练。

如需指向已有的 anima venv：

set LORAHUB_ANIMA_LORA_PYTHON=C:\path\to\anima_lora\.venv\Scripts\python.exe

LoraHub 自身不会 import anima_lora 的代码，只把它作为子进程拉起。

可选 extras¶

Extra	何时安装	命令
`api`	FastAPI 服务（`lorahub serve`）	`pip install -e ".[api]"`
`gpu`	WD14 标注通过 `onnxruntime-gpu` 走 CUDA	`pip install -e ".[gpu]"`
`tagging`	JoyTag（PyTorch）标注后端	`pip install -e ".[tagging]"`
`dev`	测试、lint、mypy、httpx	`pip install -e ".[dev]"`
`docs`	构建本站文档	`pip install -e ".[docs]"`

下一步¶

快速开始：四条命令出第一份配置。
端到端教程：从原始图片到训练好的 LoRA 全流程。

安装¶