Model formats: diffusers and ckpt models
Training methods: Full fine-tuning, LoRA, embeddings
Masked Training: Let the training focus on just certain parts of the samples
Automatic backups: Fully back up your training progress regularly during training. This includes all information to seamlessly continue training
Image augmentation: Apply random transforms such as rotation, brightness, contrast or saturation to each image sample to quickly create a more diverse dataset
TensorBoard: A simple TensorBoard integration to track the training progress

Auszüge aus der Projekt-README zu GitHub. Das Urheberrecht und die Lizenzen verbleiben bei den jeweiligen Autoren.

Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →

📈 Sternhistorie

2026-07-072026-08-31

📈 OneTrainer verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar

E-Mail-Alerts erhalten →

📄 Über

OneTrainer ist eine All-in-One-Lösung für alle Ihre Diffusionstraining-Bedürfnisse.

OneTrainer hat 3.1k Sterne auf GitHub. Es wurde 313-mal geforkt. OneTrainer ist hauptsächlich in Python geschrieben. Es wird seit 2023 aktiv entwickelt. OneTrainer ist unter der AGPL-3.0-Lizenz verfügbar. Die Hauptthemen sind: fine-tuning, image-model-training, lora, training.

Read the full guide

❓ Frequently asked questions

Was ist OneTrainer?

OneTrainer ist eine All-in-One-Lösung für alle Ihre Diffusionstraining-Bedürfnisse.

Ist OneTrainer Open Source?

OneTrainer ist ein Open-Source-Projekt. Es wird unter der AGPL-3.0-Lizenz veröffentlicht.

Ist OneTrainer kostenlos?

Ja. OneTrainer ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten. Die AGPL-3.0-Lizenz ist ein starkes Copyleft: Eine veränderte Version, die Sie weitergeben — auch als Netzwerkdienst —, muss unter derselben Lizenz veröffentlicht werden.