Mikä LoRA-tiedosto on?

LoRA-tiedosto tallentaa opitut matalan asteen adapteritensorit, jotka muuttavat yhteensopivan perusmallin valittuja kerroksia. Se ei tavallisesti sisällä itse perusmallia. Diffuusioyhteisöissä adapteri jaetaan usein yhtenä .safetensors-tiedostona; PEFT-työnkuluissa adapteripainot sijaitsevat tavallisesti adapter_config.json-tiedoston rinnalla.

Mitä painotiedosto oikeasti sisältää

Käsitteellisellä tasolla LoRA oppii valituille moduuleille matalan asteen matriisipareja. Serialisoitu adapteri tallentaa nämä tensorien arvot nimillä, jotka kertovat lataimelle päivitysten kohteet. Se voi sisältää myös pienen määrän säiliön tukemia metatietoja.

Sen ei tarvitse toistaa perusmallin jokaista jäädytettyä parametria. Tämä on LoRA AI:ssa -menetelmän tallennusetu mutta samalla syy siihen, ettei ladattua adapteria tavallisesti voi käyttää yksin.

Onko jokainen .safetensors-tiedosto LoRA?

Ei. SafeTensors on tensorisäiliö, ei adapterityyppi. .safetensors-tiedosto voi sisältää kokonaisen checkpointin, VAE-komponentin, embedding-upotteen, adapterin tai muita tensoreita. Tensorien nimet, metatiedot ja latauskonteksti osoittavat, mitä tiedosto edustaa.

LoRA-adapterin ei myöskään tarvitse käyttää SafeTensors-muotoa. Hugging Face PEFT voi tallentaa adapteripainot oletuksena tiedostoon adapter_model.safetensors tai binääritiedostoon, kun turvallinen serialisointi on poistettu käytöstä. Muut ekosysteemit käyttävät omia pakkauskäytäntöjään. Arvioi pakettia, älä tuttua tiedostopäätettä.

Oheistiedostot voivat olla välttämättömiä

Tavanomainen PEFT-adapterihakemisto sisältää painot ja tiedoston adapter_config.json. Määritys kirjaa PEFT-tyypin, kohdemoduulit ja adapterin käyttäytymisen rekonstruointiin tarvittavat parametrit. Se voi yksilöidä myös perusmallin nimen tai polun. Mallikortti voi sisältää lisenssin, käyttötarkoituksen ja arviointikontekstin.

my_adapter/
├── adapter_model.safetensors  # opitut adapteritensorit
├── adapter_config.json        # miten ja minne niitä käytetään
└── README.md                  # alkuperä, käyttö ja ehdot

Diffuusio-LoRAs jaetaan usein yhtenä tiedostona, koska kohde-ekosysteemissä on vakiintuneita käytäntöjä tai upotettuja metatietoja. Tämä helppous voi peittää puuttuvan kontekstin. Säilytä alkuperäisen sivun tai mallikortin URL, täsmällinen perusmallin tunniste, trigger words -sanat, suositeltu voimakkuus, lisenssi ja tarkistussumma, kun niillä on merkitystä.

Miksi täsmällinen perusmalli on tärkeä

Adapteri on koulutettu tiettyä arkkitehtuuria ja perusmallin tilaa vasten. Lataaja voi hylätä yhteensopimattomat tensorinimet heti, mutta hienovaraisemmat yhteensopivuusongelmat voivat näkyä vain huonona tuloksena. ”SDXL LoRA” tai ”Llama adapter” ei aina ole riittävän täsmällinen tunniste; käytä julkaistua repositorya, revisiota tai täsmällistä paikallista tarkistussummaa, kun toisinnettavuudella on väliä.

Paikallisesti muokattu perusmalli luo vielä vahvemman riippuvuuden. Jos mikään julkinen lähde ei pysty toisintamaan sitä, pelkän LoRA-adapterin säilyttäminen jättää sinulle päivityksen painoihin, joita sinulla ei enää ole.

Muuttaako LoRA-voimakkuus tiedostoa?

Tavallisesti ajoympäristö käyttää skaalaa kirjoittamatta tallennettua adapteria uudelleen. Käyttöliittymän eri voimakkuusarvot tuottavat siksi samojen tavujen pohjalta erilaisen päättelykäyttäytymisen. Adapterin yhdistäminen perusmalliin on eri asia: se laskee johdetut painot ja voi tallentaa uuden kokonaisen artefaktin.

Kirjaa skaala ja yhdistämisjärjestys, kun ne kuuluvat tuotantoreseptiin. Jos tarvitset täsmällisen yhdistetyn tuloksen, säilytä se erikseen. Jos tarvitset joustavuutta, säilytä perusmalli ja yhdistämättömät adapterit.

Nopea tarkistuslista

1. Tunnista säiliö ja varmista, että lataaja tukee sitä.
2. Tarkasta tensorien nimet ja metatiedot ylläpidetyllä työkalulla; älä suorita tuntematonta apukoodia.
3. Kirjaa täsmällinen yhteensopiva perusmalli ja revisio.
4. Säilytä määritys ja mallikortin konteksti painojen rinnalla.
5. Laske tiedoston tiiviste latauksen ja jokaisen siirron jälkeen.
6. Testaa perhe tarkoitetussa ajoympäristössä ennen arkistointia.

Säilytä riippuvuus, älä vain adapteria

Julkisen ja muuttumattoman perusmallin kohdalla voit pitää täsmällistä tunnistetta riittävänä. Säilytä yksityisen, muokatun tai katoamisvaarassa olevan perusmallin täsmällinen kopio adapterin kanssa. Checkpointin ja LoRA-adapterin vertailu auttaa päättämään, mitkä artefaktit vastaavat palautustavoitteeseesi.

Tensor Archive ryhmittelee valitut paikalliset tensorit täsmällistä varmennettua palautusta varten. Se ei päättele puuttuvia trigger words -sanoja, lupaa arkkitehtuurien välistä yhteensopivuutta eikä rekonstruoi perusmallia adapteripainoista.

Siirrä tiedosto hallittavaan kirjastoon

Järjestä riippuvuudet oppaan yksi perusmalli ja monta adapteria avulla ja noudata sitten LoRA-levytilan opasta ennen kaksoiskappaleiden tai kokeellisten varianttien poistamista.