AI-Toolkit项目离线安装FLUX模型的技术指南

背景介绍

在AI-Toolkit项目中使用FLUX模型进行训练时，许多用户遇到了模型下载困难的问题。由于HuggingFace平台下载大模型文件时经常出现中断且不支持断点续传，导致用户需要寻找离线安装方案。本文将详细介绍如何在AI-Toolkit中实现FLUX模型的离线安装。

准备工作

在开始之前，请确保您已经：

1. 完整下载了FLUX.1-dev模型的所有文件（约54GB）
2. 确认下载内容包括所有子文件夹和配置文件
3. 准备了一个稳定的存储位置（建议SSD）

离线安装步骤

1. 模型文件准备

首先需要确认您下载的是完整的Diffusers格式模型，而不仅仅是ComfyUI使用的24GB safetensors文件。完整的模型目录应包含以下关键文件：

config.json
model_index.json
scheduler/
text_encoder/
tokenizer/
transformer/
unet/
vae/

2. 配置文件修改

在AI-Toolkit的配置文件中（通常是my_lora.yaml），将模型路径指向本地目录：

name_or_path: "本地路径/FLUX.1-dev"

注意：路径应使用正斜杠(/)而非反斜杠()

3. 代码修改

对于某些版本的AI-Toolkit，还需要修改stable_diffusion_model.py文件中的相关代码：

elif self.model_config.is_flux:
    print("Loading Flux model")
    base_model_path = "本地路径/FLUX.1-dev"

4. 常见问题解决

问题1：缺少transformer文件

错误提示找不到diffusion_pytorch_model.bin文件时，检查transformer目录下是否有类似文件。有时文件名会包含额外前缀（如"transformer_"），需要手动移除。

问题2：缺少配置文件

如果提示缺少scheduler_config.json等配置文件，请检查下载的文件名是否被自动添加了额外文本（如浏览器下载时添加的(1)等后缀）。

最佳实践建议

1. 路径规划：建议将模型直接放在AI-Toolkit项目目录下，如ai-toolkit/FLUX.1-dev/，可以减少路径配置问题。

2. 文件完整性验证：下载完成后，检查文件数量和大小是否与官方发布一致。

3. 环境隔离：考虑使用虚拟环境安装依赖，避免系统Python环境被污染。

4. 性能优化：将模型放在SSD上可以显著提高加载速度。

总结

通过上述步骤，用户可以绕过HuggingFace平台不稳定的下载问题，实现FLUX模型在AI-Toolkit中的离线安装。关键点在于确保模型文件的完整性和正确配置本地路径。对于训练任务繁重的用户，离线安装不仅能提高可靠性，还能在多次训练中节省大量下载时间。