这是一个面向 Anima 模型的 训练的 WebUI 项目，基于 sorryhyun/anima_lora 的 WebUI 前端扩展项目
感谢你选择我们的全绊屎山项目。它一定不优雅，但目标也不一定明确，项目尽量还能跑通，喜欢折腾，每天都在debug。
源码部署目前还没发行版，下面截图使用的预览锚点是“4ea68b3”。当前代码会继续向前维护，谨慎更新 pull，随时做好回滚的准备。
交流QQ群:1104879801
后端会和欧巴的有些变动不完全对齐，作者偶尔会发挥主观能动性加点小巧思进来。
完整文档从 docs/README.md 进入；这里会按“安装使用、训练推理、方法说明、实验记录、配置、归档”分好路。
常用入口：
- 新手部署和 WebUI 使用：Linux 部署启动、Windows 部署启动
- 默认 Dragon UI、classic 回退与空白页排查：docs/features/dragon-ui.md
- Linux 部署：docs/guidelines/linux-deployment.zh.md
- 训练参考：docs/guidelines/training.md
- 推理参考：docs/guidelines/inference.md
- 文档归档：docs/archive-index.md
以下截图来自稳态锚点附近的 classic UI 状态，用于快速预览主要功能。当前默认界面已切换为 Dragon UI，布局会不同，但两套界面共用后端、配置、历史任务和模型文件。
环境完整性检测 |
路径与模型配置 |
训练结果预览 |
运行监控面板 |
Loss 与学习率曲线 |
历史任务分组 |
数据集配置 |
训练任务详情 |
训练方法配置 |
- 训练 LoRA、LoKr 这两个主要在维护的。“也不一定就是好的”
- LoHa 已作为 PEFT/LyCORIS 兼容插件接通（训练 / 保存 / 静态 merge / WebUI 变体可用），但定位是兼容可用、非主力；说明见
docs/methods/loha.md。 - “OrthoLoRA、T-LoRA、HydraLoRA、FeRA、ReFT、ChimeraHydra、”这一窝没啥精力维护给我正义切割了，后端没删前端大部分没给配置项给了的也不一定可用。
- 在 WebUI 里管理训练方法、硬件预设、数据集配置、模型路径和 sample prompts。
- 支持图片 resize、VAE latent 缓存、文本编码缓存、PE 特征缓存和 caption index 构建。
- 支持训练队列、任务日志、历史任务分组、失败/中断任务续训和运行状态查看。
- 支持训练结果预览、权重选择、prompt 预览和基础推理测试。
- 保留命令行入口，适合自动化训练、实验方法验证和批处理。
- 附带 ComfyUI custom nodes、实验 bench、结构文档和 pytest 测试。
不会做还不会抄吗？问题不大的啦：
- sorryhyun/anima_lora：当前项目的主要基础，WebUI 前端和 Anima LoRA 训练管线都基于它继续扩展。 WhitecrowAurora ：本项目的大部分的算法优化来源，多出来的优化都是这么来的。 MonadForge：lokr换血优化，提升450%速度，伟大的G8炉。
- Moeblack/AnimaLoraToolkit：参考了 Anima LoRA 训练工具链、lokr支持，配置组织和使用体验。
- huggingface/peft：loha兼容支持。 DNPMBHC/DiffPipeForge :dpf的一个分支,从中抄袭了块交换缓存和环境检测
- TianDongL/DiffPipeForge：参考了数据处理、训练流程和部分工程组织思路。
- LoganBooker/prodigy-plus-schedule-free：用于 Prodigy Plus Schedule-Free 优化器支持。
- kozistr/pytorch_optimizer：用于 CAME 等
pytorch-optimizer优化器支持。
建议使用 NVIDIA 显卡，并先确认驱动可用：
nvidia-smi安装基础工具：
sudo apt update
sudo apt install -y git git-lfs curl wget build-essential python3 python3-venv python3-pip libgl1 libglib2.0-0
git lfs install安装 uv：
curl -LsSf https://astral.sh/uv/install.sh | sh
source "$HOME/.local/bin/env"
uv --version克隆项目并安装依赖：
git clone https://github.com/scvxzf1/anima_lora_webui.git
cd anima_lora_webui
git lfs pull
uv sync检查 CUDA：
.venv/bin/python -c "import torch; print(torch.__version__); print(torch.version.cuda); print(torch.cuda.is_available())"登录 Hugging Face 并下载默认模型：
.venv/bin/hf auth login
.venv/bin/python tasks.py download-models启动 WebUI：
./webui.sh该快捷脚本默认监听 127.0.0.1:20203，等待服务就绪后自动打开 ?ui=dragon，因此不会被浏览器中保存的 classic 模式覆盖。只启动服务、不打开浏览器时使用 ANIMA_WEB_OPEN_BROWSER=0 ./webui.sh。
也可以手动指定监听地址和端口：
.venv/bin/python tasks.py web --host 127.0.0.1 --port 20102浏览器打开：
http://127.0.0.1:20102/
默认进入 Dragon UI。首次启动加载后端依赖时可能需要等待约 10–40 秒；需要兼容界面时打开 http://127.0.0.1:20102/?ui=classic。
需要局域网访问时：
export ANIMA_WEBUI_TOKEN='替换为足够长的随机令牌'
.venv/bin/python tasks.py web --host 0.0.0.0 --port 20102非本机回环地址必须设置 ANIMA_WEBUI_TOKEN 或传入 --token，否则服务会拒绝启动。首次从其他机器访问时可使用 ?token=... 完成认证；不要把真实令牌提交到仓库或写进共享文档。
Tesla V100 必须使用独立的 Python 3.13 / Torch 2.10 + CUDA 12.9
环境，不要在该环境中执行普通 uv sync：
./setup-v100-linux.shV100 生产训练仍建议 attn_mode="torch"。源码版 Flash 只用于诊断和
严格验收，详见 V100 FlashAttention 支持边界。
建议使用 PowerShell。先安装：
- NVIDIA 显卡驱动，并确认
nvidia-smi可用。 - Git for Windows，安装后执行
git lfs install。 - Python 不需要手动单独管理，项目依赖优先交给
uv。
安装 uv：
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
uv --version克隆项目并安装依赖：
git clone https://github.com/scvxzf1/anima_lora_webui.git
cd anima_lora_webui
git lfs pull
uv sync检查 CUDA：
.\.venv\Scripts\python.exe -c "import torch; print(torch.__version__); print(torch.version.cuda); print(torch.cuda.is_available())"登录 Hugging Face 并下载默认模型：
.\.venv\Scripts\hf.exe auth login
.\.venv\Scripts\python.exe tasks.py download-models启动 WebUI：
.\.venv\Scripts\python.exe tasks.py web --host 127.0.0.1 --port 20102浏览器打开：
http://127.0.0.1:20102/
默认进入 Dragon UI；classic 兼容入口是 http://127.0.0.1:20102/?ui=classic。
如果 PowerShell 禁止激活脚本，不需要激活虚拟环境，直接使用上面的 .\.venv\Scripts\python.exe 命令即可。
先按项目依赖说明准备好 .venv，然后在 Finder 双击项目根目录的 preview-dragon-ui.command，或在终端运行：
./preview-dragon-ui.command脚本会在 20102–20120 中选择首个未监听端口，等待 WebUI 可访问后尝试自动打开 Dragon UI。关闭该终端窗口或按 Ctrl+C 会停止脚本启动的预览进程。
默认是 Dragon UI。Dragon 左上角 Dragon trainer 菜单可切换到 经典界面；classic 顶部可点 新版界面 返回。也可以直接使用：
/?ui=dragon
/?ui=classic
浏览器会把选择保存到 localStorage.anima_ui_mode。两套界面共用同一套配置、训练队列、历史、模型和输出；Dragon trainer 只是界面品牌，不是模型族。详细排查见 Dragon UI 与 classic 兼容界面。
- 在 WebUI 里确认基础模型、文本编码器和 VAE 路径。
- 导入或创建数据集配置。
- 先执行预处理，生成训练缓存。
- 选择训练方法和硬件预设。
- 加入训练队列或直接启动训练。
- 在历史任务里查看日志、曲线、预览图和续训入口。
默认模型路径：
models/diffusion_models/anima-base-v1.0.safetensors
models/text_encoders/qwen_3_06b_base.safetensors
models/vae/qwen_image_vae.safetensors
如果模型放在别处，可以在 WebUI 的 全局模型配置 中改成实际路径。