Como libertar espaço em disco numa biblioteca de LoRA sem alterar os pesos
Quando uma biblioteca de LoRA ocupa todo um SSD, «eliminar, podar ou quantizar» não é uma única resposta. Cada ação altera algo diferente. Se precisar de recuperar os bytes originais, arquive a relação entre os ficheiros antes de libertar espaço de trabalho.
Quatro ações que não devem ser confundidas
Eliminar remove uma cópia. Podar pode remover dados de que precisará mais tarde. Quantizar altera a representação e pode mudar o comportamento no ambiente de execução. Arquivar pode conservar a versão original para uma recuperação exata posterior, ao mesmo tempo que ajuda a gerir uma família local relacionada.
A escolha certa depende do requisito. Se o objetivo for um modelo alterado e mais pequeno para um ambiente específico, investigue a quantização. Se o objetivo for conservar um modelo base, as respetivas LoRAs e revisões relacionadas sem manter cegamente várias implementações duplicadas num SSD ativo, utilize um processo de recuperação exata.
Por que motivo a relação é mais importante do que o nome da pasta
Uma convenção de pastas pode tornar as bibliotecas mais fáceis de percorrer, mas não demonstra que duas implementações contenham os mesmos dados nem que uma versão possa ser recuperada após a limpeza. A unidade útil é uma família que tenha um motivo para permanecer junta:
- um checkpoint base e as LoRAs ou adaptadores que utiliza com ele;
- um conjunto de revisões concluídas do mesmo projeto de ajuste fino; ou
- implementações autónomas que repetem o mesmo modelo base.
Mantenha separados os modelos não relacionados. Um arquivo que responda a «para que serve isto?» também será mais fácil de verificar, restaurar e retirar deliberadamente.
Um processo de libertação sem perdas
- Escolha uma família local relacionada, não todo o diretório de modelos.
- No Tensor Archive, selecione Add model family → Local folder e depois execute Analyse source.
- Reveja o resultado antes de arquivar. O objetivo é medir esta família, não presumir uma percentagem universal.
- Arquive a família numa cópia local gerida e depois execute Verificar.
- Restaure uma cópia separada e carregue-a no fluxo de trabalho que lhe interessa.
- Só então decida manualmente se uma cópia de trabalho antiga pode sair do SSD.
A verificação tem um limite. Comprova a capacidade de recuperar os ficheiros guardados. Não comprova que um prompt, execução de treino ou resultado de inferência tem a qualidade esperada. Teste os ficheiros restaurados no fluxo que lhe interessa.
O que pode —e não pode— significar um resultado de armazenamento
O benchmark do produto comunica uma redução de 71.2% no armazenamento físico para uma família controlada de cinco implementações autónomas de modelos e adaptadores: 907.3 MB guardados separadamente contra 261.6 MB como uma família. É um exemplo de uma família com dados partilhados, não uma afirmação de que um ficheiro LoRA isolado ficará 71.2% mais pequeno.
Utilize o resultado como modelo de raciocínio, não como promessa. Os modelos relacionados podem conter dados repetidos que vale a pena conservar uma só vez. Os ficheiros não relacionados ou já comprimidos poderão não os ter. O resultado da análise da sua própria família é a informação para a decisão.
A forma mais segura de criar espaço
Liberte espaço por etapas. Comece pela família que utiliza realmente. Mantenha uma cópia de segurança independente quando os ficheiros forem importantes. Verifique e restaure antes de eliminar. Depois, repita. Esta abordagem é mais lenta do que uma limpeza em massa, mas muito mais rápida do que reconstruir uma biblioteca de memória depois de eliminar o único adaptador de que precisava.
Comece por confirmar de que depende cada ficheiro LoRA. Para a distinção entre armazenamento exato e pesos alterados, leia armazenamento SafeTensors ou quantização; para a dimensão total em torno desses adaptadores, meça o tamanho dos modelos Stable Diffusion e o espaço em disco. Depois, descarregue o Tensor Archive e siga as orientações para libertar espaço em segurança.
Fontes
- LoRA: Low-Rank Adaptation of Large Language Models — o método de adaptador original.
- Resumo do benchmark do Tensor Archive — carga de trabalho, valores de armazenamento e resultado de restauração exata citados acima.