实时训练监控
通过 WebSocket 流式推送 step、epoch、loss、lr、速度、预览图与日志,训练状态不再靠反复查看终端。
MonadForge 是 anima_lora 的深度改进分支,将桌面 GUI 重构为 FastAPI + Vue 3 现代化 WebUI,并加入本地训练守护进程、WebSocket 实时监控、蒸馏、合并、预处理、任务队列与多优化器支持。
MonadForge 保留上游核心训练与推理能力,并补强工程体验:WebUI、任务监控、实时日志、预览图、硬件信息、系统管理与国际化。
适合需要长期训练、复杂配置、实时反馈和可恢复任务流的开发者与模型训练者。
通过 WebSocket 流式推送 step、epoch、loss、lr、速度、预览图与日志,训练状态不再靠反复查看终端。
daemon 作为串行作业队列与 GPU 守卫,任务状态落盘,WebUI 或托盘关闭后仍可继续运行。
支持方法、变体、预设选择,TOML 字段级编辑、实时帮助提示,以及自定义变体和硬件预设。
多目录管理、缩略图网格/列表视图、搜索筛选、排序、图片详情与标签编辑,预处理前更可控。
提供 Modulation Guidance 蒸馏配置,并支持多检查点融合为独立 DiT,方便实验与交付。
支持 AdamW、bitsandbytes 8-bit、Paged 优化器、Schedule-Free、Adafactor、CAME 等多种优化策略。
WebUI 负责提交、订阅与展示;训练、预处理、合并等任务交给本地 daemon,职责清晰,运行更稳。
$ python tasks.py daemon
[daemon] initializing local training queue...
[daemon] GPU guard enabled: single-job mode
[daemon] WebUI sidecar started at http://127.0.0.1:8000
[task] job queued: lora_training_042
[preprocess] resize / VAE cache / TE cache / PE cache
[monitor] WebSocket metrics stream connected
[train] step 128/8000 · loss 0.0321 · lr 1.2e-5
[preview] sample image refreshed
[queue] next job waiting · GPU memory stable
在 Config 页面选择方法、变体、预设,编辑 TOML 字段,创建自定义训练配置。
通过 Dataset 与 Preprocess 管理数据路径、缩略图、标签、缓存、resize、VAE/TE/PE cache。
训练任务进入 daemon 串行队列,由 GPU 守卫调度,浏览器关闭后任务继续运行。
实时查看损失曲线、学习率、GPU 状态与预览图,也可执行蒸馏或模型合并。
克隆仓库,运行安装脚本,启动 WebUI。MonadForge 会把复杂的训练流程组织成更清晰、更可靠、更具反馈感的体验。