12. November 2026 · VRAMfarm-Team

Flux-LoRA mit eigenen Fotos trainieren: 20 Bilder, 24 GB und etwa zwei Stunden

Zwanzig gute Fotos, rund 2.000 Trainingsschritte und eine Karte mit 24 GB: Mehr braucht eine LoRA für Flux.1 dev nicht, die Ihr Gesicht wiedererkennbar abbildet. Auf einer gemieteten RTX 4090 dauert das Training selbst 1 bis 2,5 Stunden, und ein erster Durchlauf mit Einrichtung und Testbildern kostet etwa 1,24 € GPU-Zeit. Die meisten misslungenen LoRAs scheitern, bevor die GPU überhaupt anläuft: an den Fotos und an den Captions. Diese beiden Schritte verdienen deshalb so viel Sorgfalt wie die Befehle.

Der Datensatz: wie viele Fotos und welche

Für eine Person sind 15–30 Fotos der sinnvolle Bereich. Mit weniger als 10 kann das Modell Ihr Gesicht nicht vom Licht dieser bestimmten Aufnahmen trennen. Mehr als 40 helfen selten und machen es schwerer, die Qualität gleichmäßig zu halten. Zwanzig scharfe, abwechslungsreiche Fotos schlagen hundert ähnliche.

So sieht ein guter Satz aus:

• Abwechslung dort, wo Sie Flexibilität wollen. Verschiedene Blickwinkel (frontal, Dreiviertel, Profil), Licht (Tageslicht, innen, abends), Hintergründe, Kleidung und Gesichtsausdrücke. Was im ganzen Satz gleich bleibt, wird fest in die LoRA eingebacken. Tragen Sie auf 15 Fotos denselben schwarzen Pullover, bekommen Sie diesen Pullover in jedem Bild zurück.
• Überwiegend Kopf und Schultern, dazu ein paar Halbkörper- und Ganzkörperaufnahmen. Etwa zwei Drittel Nahaufnahmen geben dem Gesicht genug Pixel; der Rest bringt dem Modell die Proportionen bei.
• Nur Sie im Bild. Schneiden Sie andere Personen heraus oder lassen Sie das Foto weg. Ein zweites Gesicht bringt das Training mehr durcheinander als alles andere.
• Keine starken Filter, Beauty-Modi oder KI-Hochskalierungen. Die LoRA lernt den Filter als Teil Ihres Gesichts.
• Mindestens 1024 Pixel an der kurzen Seite, nach dem Zuschneiden. Handyfotos sind in Ordnung. Kleine Bilder skaliert der Trainer hoch, und sie wirken dann weich.

Sie müssen nicht alles quadratisch zuschneiden: ai-toolkit und kohya sortieren Bilder in Buckets nach Seitenverhältnis. Legen Sie die Bilder in einen neutral benannten Ordner, etwa dataset, mit Dateinamen wie 01.jpg, 02.jpg. Ihr Name hat in Dateinamen auf einer gemieteten Maschine nichts zu suchen.

Für eine Stil-LoRA (einen Illustrationsstil, eine Produktoptik) gelten ungefähr dieselben Zahlen: 20–50 Bilder, die den Stil teilen und sich im Motiv unterscheiden.

Captions und das Triggerwort

Jedes Bild bekommt eine Textdatei mit demselben Namen (01.txt neben 01.jpg). Die Caption sagt dem Modell, welcher Teil des Bildes das neue Konzept ist und welcher Teil gewöhnlich.

Wählen Sie ein Triggerwort, das noch nichts bedeutet, etwa annx oder mrkv. Ein echtes Wort wie „anna“ hat im Modell schon eine Bedeutung und arbeitet gegen Ihr Training. Schreiben Sie dann kurze Captions, die den Trigger nennen und beschreiben, was sich von Foto zu Foto ändert:

photo of annx, a woman with curly hair, smiling, sitting at a cafe table, daylight
photo of annx, close-up portrait, serious expression, dark background

Zwei Regeln entscheiden über den Großteil des Ergebnisses. Beschreiben Sie, was veränderbar bleiben soll (Kleidung, Hintergrund, Licht), denn Beschriebenes behandelt das Modell als getrennt vom Konzept. Beschreiben Sie das Gesicht selbst nicht im Detail, denn genau das soll das Triggerwort aufnehmen.

Flux ist hier nachsichtig. Captions, die nur aus photo of annx bestehen, funktionieren für ein einzelnes Gesicht erstaunlich gut, und viele trainieren genau so. Ausführliche Captions helfen, wenn der Satz ungleichmäßig ist oder wenn Sie später Kleidung und Umgebung frei wechseln wollen. Automatische Captioner (FluxGym nutzt Florence-2, JoyCaption ist beliebt) sparen Tipparbeit, aber lesen Sie das Ergebnis und entfernen Sie alles, was falsch ist, vor allem Beschreibungen des Gesichts.

ai-toolkit, FluxGym oder kohya: welcher Trainer

Alle drei sind kostenlos und laufen auf einem leeren Server mit PyTorch und Jupyter.

Wenn Ihnen ein Terminal vertraut ist, nehmen Sie ai-toolkit: Die Beispielkonfiguration train_lora_flux_24gb.yaml ist ein vernünftiger Ausgangspunkt und erzeugt alle paar hundert Schritte Beispielbilder, anhand derer Sie den besten Checkpoint auswählen. FluxGym ist für einen ersten Versuch einfacher, besonders auf einer 16-GB-Karte.

Beide trainieren auf Flux.1 dev. Das Modell ist auf Hugging Face zugangsbeschränkt: Für ai-toolkit akzeptieren Sie die Lizenz auf der Modellseite und erstellen einen Lese-Token; FluxGym holt seine Modelldateien beim ersten Start, wie in seiner README beschrieben. Die Gewichte von Flux.1 dev stehen unter einer nicht kommerziellen Lizenz; prüfen Sie die aktuellen Bedingungen, bevor Sie Bilder für bezahlte Aufträge verwenden. Wenn das für Sie wichtig ist, kann ai-toolkit mit einem Trainingsadapter auf Flux.1 schnell (Apache 2.0) trainieren.

VRAM, Zeit und Kosten pro Karte

Flux.1 dev hat 12 Milliarden Parameter, in bf16 etwa 24 GB. Die Trainer laden es in 8 Bit, das halbiert den Bedarf und lässt Platz für die LoRA, den Optimizer und die Bilder in 1024 px. Deshalb sind 24 GB die bequeme Größe. Auf 16 GB schiebt der Trainer zusätzlich in jedem Schritt Blöcke des Modells in den Arbeitsspeicher und zurück. Das funktioniert, läuft aber spürbar langsamer.

Typischer Durchlauf: 20 Fotos, 2.000 Schritte, Rang 16, Auflösungs-Buckets bis 1024 px.

Verstehen Sie die Zeiten als Planungswerte, nicht als Benchmarks: Auflösung, Rang, die Zahl der Beispielbilder und die Version des Trainers verschieben sie. Ein Training nur in 512 px halbiert die Zeit ungefähr, mit weniger feinen Details. Eine H100 ist am schnellsten, aber selten am günstigsten; eine LoRA ist ein zu kleiner Job, um sie auszulasten. Üblich sind die RTX 4090 und die RTX 3090, und die günstigere 3090 gewinnt beim Preis pro LoRA oft, wenn Sie nicht auf die Uhr schauen. Die aktuellen Preise stehen auf der Preisseite.

Zu den Schritten: Etwa 100 Schritte pro Foto sind ein vernünftiger Anfang, also 1.500–2.500 für einen Satz aus 15–25 Bildern. Lernrate 1e-4 und Rang 16 (die Standardwerte von ai-toolkit) passen gut zu Gesichtern. Speichern Sie alle 250 Schritte einen Checkpoint und urteilen Sie nach den Beispielbildern. Der beste ist oft nicht der letzte.

Das Training auf einem gemieteten Server

Starten Sie einen leeren Server PyTorch + Jupyter auf einer 24-GB-Karte. Treiber und CUDA-Version der Maschine werden vor dem Start angezeigt; aktuelle Trainer wollen CUDA 12.x oder neuer, prüfen Sie das also dort. Öffnen Sie Jupyter → File → New → Terminal oder verbinden Sie sich per SSH (Anleitung zum SSH-Schlüssel).

Laden Sie Ihren Ordner dataset über den Upload-Button von Jupyter hoch (vorher als ZIP packen, dann unzip dataset.zip). Installieren Sie anschließend ai-toolkit; die genauen Versionen stehen in der README:

cd /workspace
git clone https://github.com/ostris/ai-toolkit
cd ai-toolkit
pip install -r requirements.txt
echo "HF_TOKEN=<your read token>" > .env
cp config/examples/train_lora_flux_24gb.yaml config/annx.yaml

Setzen Sie in config/annx.yaml die Werte name, trigger_word: "annx", folder_path: "/workspace/dataset", steps: 2000 und die Beispiel-Prompts (mit Ihrem Triggerwort darin). Starten Sie das Training dann in tmux, damit es weiterläuft, wenn Sie den Browser schließen:

tmux new -s lora
python run.py config/annx.yaml
# mit Strg+B und dann D lösen; zurück mit: tmux attach -t lora

Beim ersten Start werden Flux.1 dev und seine Text-Encoder heruntergeladen, etwa 30–35 GB. Diese Minuten werden berechnet, und die Gigabytes zählen als Traffic zum Tarif der Maschine, der vor dem Start angezeigt wird. Checkpoints und Beispielbilder erscheinen in /workspace/ai-toolkit/output/<name>/. Öffnen Sie die Beispiele in Jupyter, sobald sie da sind; sehen sie bei Schritt 1.250 schon richtig aus, können Sie früher aufhören.

FluxGym betreibt eine Webseite auf einem eigenen Port. Auf einem leeren PyTorch-Server sind von außen nur SSH und Jupyter erreichbar. Öffnen Sie FluxGym deshalb über einen SSH-Tunnel (ssh -L 7860:localhost:7860 ... mit Host und Port aus Meine Server) und rufen Sie auf Ihrem Computer http://localhost:7860 auf.

Ein laufendes Training hält die GPU beschäftigt, der Leerlaufschutz greift also nicht ein. Ist es fertig, wird die GPU still. Schlafen Sie und ist nichts verbunden, bekommen Sie nach etwa zwei Stunden eine Leerlaufwarnung, und eine Stunde später speichert der Server /workspace und stoppt (der Ordner eines PyTorch-Servers lässt sich speichern; wo das nicht geht, bekommen Sie nur die Warnungen). Diese Leerlaufstunden zahlen Sie. Um direkt am Ende zu stoppen, hängen Sie nach python run.py einen API-Aufruf an oder stellen Sie sich einfach einen Wecker.

Ihre Fotos auf einer gemieteten Maschine

Diese Frage stellen viele nur leise, deshalb hier eine klare Antwort.

Unsere GPUs kommen von geprüften Anbietern, nicht aus eigenen Rechenzentren. Vor dem Start sehen Sie, in welchem Land die Maschine steht. Ihr Server läuft in einem eigenen Container, getrennt von anderen Kunden, und seine Festplatte wird gelöscht, wenn der Server stoppt. Der Anbieter betreibt den physischen Computer, und wer physischen Zugriff auf eine Maschine hat, kann grundsätzlich lesen, was darauf liegt. Das gilt für jeden gemieteten Server, vom Marktplatz bis zur großen Cloud, und genau dieses Risiko wägen Sie ab.

Für einen Satz Porträts reduzieren diese Gewohnheiten es auf sehr wenig:

• Metadaten vor dem Hochladen entfernen. Handyfotos enthalten GPS-Koordinaten und den Gerätenamen. exiftool -all= *.jpg auf Ihrem Computer entfernt sie.
• Nur den Trainingssatz hochladen, nicht Ihre Fotobibliothek, und neutrale Dateinamen verwenden.
• Den Datensatz nach dem Training löschen (rm -rf /workspace/dataset /workspace/dataset.zip), vor allem vor Speichern und stoppen, damit die Fotos nicht im gespeicherten Ordner landen.
• Die LoRA behandeln wie ein Foto von sich selbst. Sie erzeugt Ihr Gesicht auf Abruf. Veröffentlichen Sie sie nur, wenn Sie das wirklich wollen.
• Das Land der Maschine wählen, wenn es Ihnen wichtig ist; es wird vor dem Start angezeigt.

Fotos anderer Menschen brauchen deren Einwilligung. Nach der DSGVO ist ein erkennbares Gesicht ein personenbezogenes Datum, und ein Modell, das neue Bilder eines Menschen erzeugt, geht weiter als das Teilen eines einzelnen Fotos. Mehr dazu, wer was sehen kann, unter sind meine Daten auf einer gemieteten GPU sicher.

Die LoRA behalten und in ComfyUI nutzen

Eine Flux-LoRA mit Rang 16 ist etwa 100–170 MB groß, mit Rang 32 etwa doppelt so groß. Laden Sie den Checkpoint, der Ihnen gefällt, über Jupyter herunter (Rechtsklick → Download), damit Sie zu Hause eine Kopie haben. Löschen Sie dann in /workspace/ai-toolkit/output/<name>/ die Checkpoints, die Sie nicht brauchen, und nutzen Sie Speichern und stoppen. Der gespeicherte Ordner bewahrt /workspace für den nächsten Server auf, auch auf einer anderen Karte, für 0,03 € pro GB und Monat; ein paar LoRAs zusammen bleiben deutlich unter einem Gigabyte. Flux.1 dev selbst liegt im Hugging-Face-Cache außerhalb von /workspace, wird also nicht gespeichert und erhöht Ihre Rechnung nicht um 30 GB. Einzelheiten unter was mit Ihren Dateien passiert, wenn Sie eine GPU stoppen.

Um damit Bilder zu erzeugen, starten Sie ComfyUI, legen die Datei in /workspace/ComfyUI/models/loras, fügen zwischen Modell und Sampler einen Node LoraLoader ein und verwenden das Triggerwort im Prompt. Die fertige Flux-App läuft mit Flux.1 schnell; eine dev-LoRA funktioniert dort, sieht Ihnen aber weniger ähnlich. Für die volle Ähnlichkeit laden Sie Flux.1 dev in ComfyUI herunter. Der ComfyUI-Ratgeber zeigt, wohin jede Datei gehört und wie Sie Flux dev mit Ihrem Token holen.

Beginnen Sie mit einer Stärke von 0,8–1,0. Sieht jedes Bild aus wie Ihre Fotos statt wie Sie in einer neuen Szene, senken Sie die Stärke oder gehen zu einem früheren Checkpoint zurück. Ist die Ähnlichkeit schwach, erhöhen Sie sie oder trainieren 500 Schritte mehr.