LoRA dosyası nedir?

LoRA dosyası, uyumlu taban modelin seçilen katmanlarını değiştiren öğrenilmiş düşük rütbeli adaptör tensörlerini saklar. Genellikle tabanın kendisini içermez. Difüzyon topluluklarında adaptör çoğu zaman tek .safetensors dosyası olarak dağıtılır; PEFT iş akışlarında adaptör ağırlıkları genellikle adapter_config.json yanında bulunur.

Ağırlık dosyasının gerçekte içerdikleri

Kavramsal düzeyde LoRA seçilen modüller için eşleştirilmiş düşük rütbeli matrisler öğrenir. Serileştirilmiş adaptör, tensör değerlerini yükleyiciye güncellemelerin nereye ait olduğunu söyleyen adlarla saklar. Kapsayıcının desteklediği az miktarda meta veri de içerebilir.

Tabandaki her donmuş parametreyi tekrarlaması gerekmez. Bu, AI'da LoRA'nın depolama avantajıdır; ancak indirilen adaptörün normalde tek başına kullanılamamasının da nedenidir.

Her .safetensors dosyası LoRA mıdır?

Hayır. SafeTensors bir tensör kapsayıcısıdır, adaptör türü değildir. .safetensors dosyası eksiksiz checkpoint, VAE, embedding, adaptör veya başka tensörleri tutabilir. Tensör adları, meta veriler ve yükleyici bağlamı neyi temsil ettiğini belirler.

Tersine, LoRA'nın SafeTensors kullanması gerekmez. Hugging Face PEFT, adaptör ağırlıklarını varsayılan olarak adapter_model.safetensors veya güvenli serileştirme devre dışı bırakıldığında ikili dosya olarak kaydedebilir. Diğer ekosistemler kendi paketleme kurallarını kullanır. Tanıdık uzantıyı değil paketi değerlendirin.

Tamamlayıcı dosyalar temel olabilir

Standart PEFT adaptör dizini ağırlıkları ve adapter_config.json dosyasını içerir. Bu yapılandırma, adaptör davranışını yeniden oluşturmak için gereken PEFT türünü, hedef modülleri ve parametreleri kaydeder; taban model adını veya yolunu da belirtebilir. Model kartı lisans, amaçlanan kullanım ve değerlendirme bağlamı taşıyabilir.

my_adapter/
├── adapter_model.safetensors  # öğrenilmiş adaptör tensörleri
├── adapter_config.json        # bunların nasıl ve nerede uygulanacağı
└── README.md                  # kaynak, kullanım ve koşullar

Difüzyon LoRAs dosyaları, hedef ekosistemin kuralları veya gömülü meta verileri olduğu için sıklıkla tek dosya olarak paylaşılır. Bu kolaylık eksik bağlamı gizleyebilir. Önemli olduğunda özgün sayfayı veya model kartı URL'sini, tam taban tanımlayıcısını, tetikleyici sözcükleri, önerilen gücü, lisansı ve checksum değerini saklayın.

Birebir taban model neden önemlidir

Adaptör belirli bir mimariye ve taban durumuna göre eğitilmiştir. Yükleyici uyumsuz tensör adlarını hemen reddedebilir; ancak daha ince uyumsuzluklar yalnızca kötü çıktı üretebilir. “SDXL LoRA” veya “Llama adaptörü” her zaman yeterince hassas tanımlayıcı değildir; yeniden üretilebilirlik önemli olduğunda yayımlanmış depoyu, revizyonu veya birebir yerel checksum değerini kullanın.

Yerel olarak değiştirilmiş taban daha güçlü bağımlılık oluşturur. Hiçbir herkese açık kaynak onu yeniden üretemiyorsa yalnızca LoRA'yı saklamak artık sahip olmadığınız ağırlıkların güncellemesini bırakır.

LoRA gücü dosyayı değiştirir mi?

Çalışma zamanı genellikle saklanan adaptörü yeniden yazmadan ölçek uygular. Bu nedenle farklı kullanıcı arayüzü güç değerleri aynı byte'lardan farklı çıkarım davranışı oluşturur. Adaptörü tabanla birleştirmek farklıdır: türetilmiş ağırlıkları hesaplar ve yeni eksiksiz artefakt kaydedebilir.

Üretim reçetesinin parçası olduklarında ölçeği ve birleştirme sırasını kaydedin. Birebir birleştirilmiş çıktıya ihtiyaç duyuyorsanız çıktıyı ayrı saklayın; esnekliğe ihtiyaç duyuyorsanız tabanı ve birleştirilmemiş adaptörleri saklayın.

Hızlı inceleme kontrol listesi

1. Kapsayıcıyı belirleyin ve yükleyicinin desteklediğini doğrulayın.
2. Tensör adlarını ve meta verileri bakımı yapılan araçla inceleyin; bilinmeyen yardımcı kodu yürütmeyin.
3. Tam olarak uyumlu tabanı ve revizyonu kaydedin.
4. Yapılandırmayı ve model kartı bağlamını ağırlıkların yanında saklayın.
5. İndirmeden ve her aktarımdan sonra dosyayı hashleyin.
6. Aileyi arşivlemeden önce amaçlanan çalışma zamanında test edin.

Yalnızca adaptörü değil, bağımlılığı saklayın

Herkese açık, değişmez taban için hassas tanımlayıcının yeterli olduğuna karar verebilirsiniz. Özel, değiştirilmiş veya kaybolan tabanlarda birebir tabanı adaptörle birlikte saklayın. Checkpoint ile LoRA karşılaştırması, hangi artefaktların kurtarma hedefinizi karşıladığına karar vermeye yardımcı olur.

Tensor Archive, seçilen yerel tensörleri doğrulanmış birebir kurtarma için gruplar. Eksik tetikleyici sözcükleri çıkarmaz, mimariler arası uyumluluk vadetmez veya adaptör ağırlıklarından tabanı yeniden oluşturmaz.

Dosyayı yönetilebilir kitaplığa yerleştirin

Bağımlılıkları düzenlemek için bir tabanı birçok adaptörle kullanın, ardından yinelenenleri veya deneysel varyantları silmeden önce LoRA disk alanı rehberini izleyin.