企业官网建设流程全解析

如何用 MLX 本地跑通 FLUX 文生图：一条命令快速上手指南

【免费下载链接】mlx-examplesExamples in the MLX framework项目地址: https://gitcode.com/GitHub_Trending/ml/mlx-examples

mlx-examples 仓库的 flux 示例，用 MLX 在 Apple Silicon 上本地跑 FLUX 图像生成：输入提示词就能出图，还能用 LoRA 微调定制对象。读完你能装好依赖、跑通生成命令，并了解微调的做法。

上手之前：硬件与依赖清单

• 硬件：Apple Silicon（M1 或更新）的 macOS。MLX 依赖 Metal 计算，NVIDIA/AMD 显卡不支持。
• 依赖：克隆后在flux/目录执行pip install -r requirements.txt，核心是 mlx 与 huggingface-hub。

git clone https://gitcode.com/GitHub_Trending/ml/mlx-examples cd mlx-examples/flux

• 权重：首次运行会自动从 Hugging Face Hub 下载模型，无需手动配置。
• 内存：推理 16GB 够用；LoRA 微调示例约需 50GB。

最小复现：一条命令生成第一张图 🖼

在flux/目录执行：

python txt2image.py --model schnell \ --n-images 1 --image-size 256x512 --verbose \ 'A photo of an astronaut riding a horse on Mars.'

产物是当前目录的out.png。首次会连同 schnell 权重一起下载，偏慢；缓存后生成在秒级到几十秒内完成。下图是 FLUX 生成的效果图示例（README 中的 sks dog），实际内容由你输入的提示词决定：

关键参数：常用参数对照 ⚙️

进阶玩法：LoRA 微调专属对象 🎨

用 LoRA 让模型认识你的专属对象，官方示例直接引用 Hugging Face 社区的 dog6 数据集（5 张图加描述文件）：

python dreambooth.py \ --progress-prompt 'A photo of an sks dog lying on the sand at a beach in Greece' \ --progress-every 600 --iterations 1200 --learning-rate 0.0001 \ --lora-rank 4 --grad-accumulate 8 \ mlx-community/dreambooth-dog6

训练后适配器保存在mlx_output/final_adapters.safetensors（M2 Ultra 上约 1 小时出头）。生成时给txt2image.py加--adapter指向该文件、配--fuse-adapter提速，提到 sks dog 的提示词就能稳定出这只狗。

常见问题：新手高频坑

Q：生成时显存/内存不够？A：先加--quantize量化权重，再调小--image-size或改用 schnell。

Q：图像尺寸可以任意填吗？A：不能。两边须是 16px 的倍数，脚本会自动取整并给出警告。

Q：如何复现同一张图？A：用--seed固定随机种子。

更多参数看python txt2image.py --help。完整参数说明、微调细节与多机分布式部署见 flux/README.md，推理管线实现在 flux/flux/。

【免费下载链接】mlx-examplesExamples in the MLX framework项目地址: https://gitcode.com/GitHub_Trending/ml/mlx-examples