メインコンテンツへスキップ

AI-Toolkit-Easy-InstallでAI-Toolkitを簡単にインストールする手順

    Z-Image TurboなどのLoRA学習に使用する、「AI-Toolkit」をインストールする手順を説明します。
    Windows 11環境で、NVIDIAのグラフィックボードを実装したPCを想定しています。

    Git for Windowsは、あらかじめインストールしておいてください。

    CUDA Toolkitも、あらかじめインストールしておいてください。

    2026/8/14 追記
    Windows用のビルド済みwheel(.whl)を使用する場合、CUDA Toolkitは不要ですので、必要に応じてインストールしてください。
    https://developer.nvidia.com/cuda-downloads
    現時点での最新版は「CUDA Toolkit 13.2 Update 1」です。
    現時点での最新版は「CUDA Toolkit 13.3 Update 1」です。


    文字通りインストールが簡単な、「AI-Toolkit-Easy-Install」を使用します。

    2026/8/13 追記
    現時点での最新版はv0.6.0です。画像を変更しました。
    現時点での最新版はv0.5.2です。
    上記のリンク先から、「AI-Toolkit-Easy-Install.zip」をダウンロードします。

    画像

    「AI-Toolkit-Easy-Install.zip」を、任意のフォルダに展開します。
    「AI-Toolkit-Easy-Install.bat」という、バッチファイルが1つだけ展開されます。

    私のPCは他人に使われる心配がないので、メインストレージのCドライブ直下に「AI-Toolkit」というフォルダを新規作成して、インストールしました。
    ユーザーフォルダなど、どこにインストールしても構いませんが、フォルダのパスにスペースや2バイト文字が含まれていない方がいいと思います。

    画像

    2026/8/13 追記
    v0.6.0でCUDA 13.0対応になりました。
    「AI-Toolkit-Easy-Install.bat」の修正は不要になりましたので、読み飛ばしてください。


    v0.5.2の「AI-Toolkit-Easy-Install.bat」でインストールされるPyTorch関連のライブラリは、バージョンが古く、また、CUDA 12.8用になっています。
    そのため、以下のように、PyTorch 2.12.0とその他のライブラリを最新版に、CUDA 13.x用に修正します。

    AI-Toolkit-Easy-Install.bat
    215~235行目
    変更後のコードをコピーして、該当する行に上書きしてください。

    ・変更前

    if exist "..\python_embeded\Scripts\uv.exe" (
        echo %green%Using UV for package installation%reset%
        "..\python_embeded\python.exe" -I -m uv pip install torch==2.9.1 torchvision==0.24.1 torchaudio==2.9.1 --index-url https://download.pytorch.org/whl/cu128 %UVargs%
        "..\python_embeded\python.exe" -I -m uv pip install -r requirements.txt %UVargs%
        "..\python_embeded\python.exe" -I -m uv pip install poetry-core %UVargs%
    	"..\python_embeded\python.exe" -I -m uv pip install wheel %UVargs%
        "..\python_embeded\python.exe" -I -m uv pip install "triton-windows<3.6" %UVargs%
    	"..\python_embeded\python.exe" -I -m uv pip install hf_xet %UVargs%
    	"..\python_embeded\python.exe" -I -m uv pip install ffmpeg %UVargs%
    	"..\python_embeded\python.exe" -I -m uv pip install torchcodec==0.9.1 %UVargs%
    ) else (
        echo %warning%UV not available - using standard pip%reset%
        "..\python_embeded\python.exe" -I -m pip install torch==2.9.1 torchvision==0.24.1 torchaudio==2.9.1 --index-url https://download.pytorch.org/whl/cu128 %PIPargs%
        "..\python_embeded\python.exe" -I -m pip install -r requirements.txt %PIPargs%
        "..\python_embeded\python.exe" -I -m pip install poetry-core %PIPargs%
    	"..\python_embeded\python.exe" -I -m pip install wheel %PIPargs%
        "..\python_embeded\python.exe" -I -m pip install "triton-windows<3.6" %PIPargs%
    	"..\python_embeded\python.exe" -I -m pip install hf_xet %PIPargs%
    	"..\python_embeded\python.exe" -I -m uv pip install ffmpeg %PIPargs%
    	"..\python_embeded\python.exe" -I -m uv pip install torchcodec==0.9.1 %PIPargs%
    )

    ・変更後

    if exist "..\python_embeded\Scripts\uv.exe" (
        echo %green%Using UV for package installation%reset%
        "..\python_embeded\python.exe" -I -m uv pip install torch==2.12.0 torchvision==0.27.0 torchaudio==2.11.0 --index-url https://download.pytorch.org/whl/cu130 %UVargs%
        "..\python_embeded\python.exe" -I -m uv pip install -r requirements.txt %UVargs%
        "..\python_embeded\python.exe" -I -m uv pip install poetry-core %UVargs%
    	"..\python_embeded\python.exe" -I -m uv pip install wheel %UVargs%
        "..\python_embeded\python.exe" -I -m uv pip install "triton-windows<3.8" %UVargs%
    	"..\python_embeded\python.exe" -I -m uv pip install hf_xet %UVargs%
    	"..\python_embeded\python.exe" -I -m uv pip install ffmpeg %UVargs%
    	"..\python_embeded\python.exe" -I -m uv pip install torchcodec==0.12.0 %UVargs%
    ) else (
        echo %warning%UV not available - using standard pip%reset%
        "..\python_embeded\python.exe" -I -m pip install torch==2.12.0 torchvision==0.27.0 torchaudio==2.11.0 --index-url https://download.pytorch.org/whl/cu130 %PIPargs%
        "..\python_embeded\python.exe" -I -m pip install -r requirements.txt %PIPargs%
        "..\python_embeded\python.exe" -I -m pip install poetry-core %PIPargs%
    	"..\python_embeded\python.exe" -I -m pip install wheel %PIPargs%
        "..\python_embeded\python.exe" -I -m pip install "triton-windows<3.8" %PIPargs%
    	"..\python_embeded\python.exe" -I -m pip install hf_xet %PIPargs%
    	"..\python_embeded\python.exe" -I -m uv pip install ffmpeg %PIPargs%
    	"..\python_embeded\python.exe" -I -m uv pip install torchcodec==0.12.0 %PIPargs%
    )

    ※torch==2.12.0 と torchaudio==2.11.0 の組み合わせになっていますが、間違いではありません。
    今後は、torchcodecに、torchaudioの機能が移行するとのことです。


    ここまで、旧v0.5.2の説明です。


    修正した「AI-Toolkit-Easy-Install.bat」をダブルクリックして実行します。
    以下のような画面が起動しますので、インストールが終わるまでしばらく待ちます。

    画像

    ※Node.jsのインストールのときにダイアログが出たら、「はい」をクリックして進めてください。

    途中経過の画面です。
    torchのダウンロードに時間がかかるので、気長に待ちましょう。

    画像

    このような画面になったら、Enterキーを押してインストール完了です。

    画像


    これで、AI-Toolkitが使用できる状態になります。
    インストールが終わると「AI-Toolkit-Easy-Install.bat」は削除されて、画像のようなフォルダとバッチファイルの構成になっています。

    画像

    「Start-AI-Toolkit.bat」をダブルクリックすると、AI-Toolkitが起動します。
    ターミナルが起動して、ブラウザにAI-ToolkitのDashboardが表示されればOKです。

    画像
    ターミナル
    画像
    AI-ToolkitのDashboard


    ここからは、メインストレージの空き容量に余裕がない場合の手順です。
    空き容量に余裕がある場合は、無視して構いません。

    AI-ToolkitでLoRA学習を実行すると、トレーニング用のモデルが「C:\Users\ユーザー名\.cache」フォルダにダウンロードされます。
    ダウンロードは初回のみで、2回目以降は、ダウンロード済みのモデルが使用されます。

    私の場合は、メインストレージが1TBのSSDで、ComfyUIもインストールしているため空き容量が少なく、トレーニング用のモデルをダウンロードして設置する余裕がありません。
    そのような場合は、空き容量に余裕がある別のストレージに、あらかじめトレーニング用のモデルをダウンロードしておきます。

    トレーニング用モデルを設置するストレージは、HDDなどの読み書きが遅いストレージでも構いません。
    USBの外付けドライブなどに設置してもOKです。

    最初だけは、トレーニング用のモデルをストレージから読み込む際、HDDだとSSDよりも遅くなりますが、LoRA学習がスタートしてからの速度には影響しません。

    参考までに、私のPCではどのようになっているかお見せします。
    トレーニング用のモデルを8TBのHDD(SATA)に設置して、AI-Toolkitを実行している状況です。
    モデルを読み込んでいる時は、HDD(SATA)がほぼ100%になっていますが、読み込みが終わると0%になっています。
    この後のLoRA学習中も、HDD(SATA)は0%です。

    画像


    例として、Eドライブの「AI-Toolkit\models」というフォルダに、Z-Image TurboのLoRA学習に必要なモデルをダウンロードする手順を説明します。
    ドライブ名やフォルダ名などは、お使いのPC環境に合わせて読み替えてください。

    まず、Windows PowerShellを起動します。

    画像

    Windows PowerShellで以下のコマンドを実行して、Eドライブに「E:\AI-Toolkit\models」フォルダを新規作成し、作成したフォルダに移動します。

    mkdir E:\AI-Toolkit\models
    cd E:\AI-Toolkit\models

    ※以下は実際の画面です。

    画像


    以下のコマンドを実行して、Z-Image Turboのトレーニングモデルをダウンロードします。
    まだGit for Windowsをインストールしていない場合は、インストールしてから、以下のコマンドを実行してください。
    フォルダ全体で約61GBあるので、途中で止まっているように見えるかもしれませんが、ダウンロードが終わるまで気長に待ちましょう。

    git lfs install
    git clone https://huggingface.co/Tongyi-MAI/Z-Image-Turbo/

    次に、以下のコマンドを実行して、Z-Image Turboのトレーニングアダプターをダウンロードします。
    こちらは、フォルダ全体で約1GBです。

    git clone https://huggingface.co/ostris/zimage_turbo_training_adapter/

    ※以下は実際の画面です。

    画像


    これで、モデルのダウンロードが終わり、AI-Toolkitの準備ができました。
    Windows PowerShellは終了して構いません。

    Z-Image TurboのLoRA学習に必要な画像の準備や、AI-Toolkitの設定については、別の記事で説明します。


     
     
    本業はFPGA設計などのハードウェアエンジニアです。 趣味で生成AIやってます。

    あなたへのおすすめ