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

Estratti dal README del progetto su GitHub. I diritti d'autore e le licenze rimangono con i rispettivi autori.

Mantieni questo progetto?

Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.

Rivendica questa pagina →

📈 Storia delle stelle

2026-07-072026-08-31

📈 Segui OneTrainer

Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.

Gratis · senza carta · disdici quando vuoi

Ricevi avvisi via email →

📄 Informazioni

OneTrainer è una soluzione unica per tutte le tue esigenze di addestramento Diffusion.

OneTrainer ha 3.1k stelle su GitHub. È stato forkato 313 volte. OneTrainer è scritto principalmente in Python. È in sviluppo attivo dal 2023. OneTrainer è disponibile con licenza AGPL-3.0. I suoi temi principali sono: fine-tuning, image-model-training, lora, training.

Read the full guide

❓ Frequently asked questions

Che cos'è OneTrainer?

OneTrainer è una soluzione unica per tutte le tue esigenze di addestramento Diffusion.

OneTrainer è open source?

OneTrainer è un progetto open source. È rilasciato con licenza AGPL-3.0.

OneTrainer è gratuito?

Sì. OneTrainer è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente. La sua licenza AGPL-3.0 è un copyleft forte: ogni versione modificata che distribuisce — anche offerta come servizio in rete — deve essere pubblicata sotto la stessa licenza.