参数

• adapter_config ([~peft.PeftConfig]) — 要添加的适配器的配置；支持的适配器包括非前缀调优和 adaption prompt 方法。
• adapter_name (str，可选，默认为 "default") — 要添加的适配器名称。如果未传入名称，则会为适配器分配一个默认名称。

参数

• adapter_names (list[str, str]) — 要删除的适配器的名称（单个字符串或字符串列表）。

参数

• target_rank (int，可选，默认为 128) — 所有将加载的适配器中的最高秩。
• check_compiled (str, 可选, 默认为 "error") — 当模型已被编译时如何处理，通常应避免这种情况。可选值：
  • “error”（默认值）：引发错误
  • “warn”：发出警告
  • “ignore”：不执行任何操作

参数

• pretrained_model_name_or_path_or_dict (str 或 os.PathLike 或 dict) — 可以是以下之一： - 一个字符串，即托管在 Hub 上的预训练模型的模型 ID（例如 google/ddpm-celebahq-256）。 - 一个目录路径（例如 ./my_model_directory），其中包含使用 ModelMixin.save_pretrained() 保存的模型权重。 - 一个 torch 状态字典。
  • 一个字符串，即托管在 Hub 上的预训练模型的 model id（例如 google/ddpm-celebahq-256）。
  • 指向一个目录的路径（例如 ./my_model_directory），其中包含使用 ModelMixin.save_pretrained() 保存的模型权重。
  • 一个 torch 状态字典。
• prefix (str, 可选) — 用于过滤 state dict 的前缀。
• cache_dir (str | os.PathLike, 可选) — 如果未使用标准缓存，则下载的预训练模型配置将被缓存到的目录路径。
• force_download (bool，可选，默认为 False) — 是否强制（重新）下载模型权重和配置文件，如果存在缓存版本则覆盖它们。
• proxies (dict[str, str]，可选) — 按协议或端点使用的代理服务器字典，例如 {'http': 'foo.bar:3128', 'http://hostname': 'foo.bar:4012'}。每次请求都会使用这些代理。
• local_files_only (bool，可选，默认为 False) — 是否仅加载本地的模型权重和配置文件。如果设置为 True，则不会从 Hub 下载模型。
• token (str 或 bool，可选) — 用于远程文件的 HTTP bearer 授权令牌。如果为 True，则使用由 diffusers-cli login 生成的令牌（存储在 ~/.huggingface 中）。
• revision (str, 可选, 默认为 "main") — 要使用的特定模型版本。它可以是分支名称、标签名称、提交 id，或 Git 允许的任何标识符。
• subfolder (str，可选，默认为 "") — 模型文件在 Hub 或本地更大的模型仓库中的子文件夹位置。
• network_alphas (dict[str, float]) — 用于稳定学习并防止下溢的网络 alpha 值。该值与 kohya-ss 训练脚本中的 --network_alpha 选项含义相同。请参阅 此链接。
• low_cpu_mem_usage (bool，可选) — 通过仅加载预训练的 LoRA 权重而不初始化随机权重，来加快模型加载速度。
• hotswap — (bool, 可选) 默认值为 False. 是否用新加载的适配器就地替换现有的（LoRA）适配器。这意味着，它不会加载额外的适配器，而是获取现有适配器的权重，并用新适配器的权重进行替换。这种方式可能更快且更节省内存。然而，热替换的主要优势在于，当模型使用 torch.compile 编译时，加载新适配器无需重新编译模型。使用热替换时，传入的 adapter_name 应为已加载适配器的名称。如果新适配器和旧适配器的秩和/或 LoRA alpha（即缩放）不同，在加载适配器之前需要调用一个额外方法：pipeline = ... # 加载 diffusers pipeline max_rank = ... # 想要加载的所有 LoRA 中的最高秩 # 在编译和加载 LoRA 适配器*之前*调用 pipeline.enable_lora_hotswap(target_rank=max_rank) pipeline.load_lora_weights(file_name) # 现在可选地编译模型 请注意，目前尚不支持对文本编码器适配器进行热替换。此技术还有一些其他限制，文档如下：https://huggingface.co/docs/peft/main/en/package_reference/hotswap

  如果新适配器和旧适配器的秩和/或 LoRA alpha（即缩放）不同，则在加载适配器之前需要调用一个额外的方法：

  pipeline = ...  # load diffusers pipeline
  max_rank = ...  # the highest rank among all LoRAs that you want to load
  # call *before* compiling and loading the LoRA adapter
  pipeline.enable_lora_hotswap(target_rank=max_rank)
  pipeline.load_lora_weights(file_name)
  # optionally compile the model now

  请注意，目前尚不支持热替换文本编码器的适配器。该技术还存在一些其他限制，相关文档如下： https://huggingface.co/docs/peft/main/en/package_reference/hotswap

• metadata — LoRA 适配器元数据。如果提供了该参数，则不会使用通过状态字典推断出的元数据来初始化 LoraConfig。

参数

• save_directory (str 或 os.PathLike) — 用于保存 LoRA 参数的目录。如果该目录不存在，将会自动创建。
• adapter_name — (str，默认为 “default”)：要序列化的适配器名称。当底层模型加载了多个适配器时，此参数非常有用。
• upcast_before_saving (bool，默认为 False) — 是否在序列化前将底层模型转换为 torch.float32。
• safe_serialization（bool，可选，默认为 True）—— 是否使用 safetensors 保存模型，还是使用传统的基于 pickle 的 PyTorch 方式。
• weight_name — (str，可选，默认为 None)：用于序列化状态字典的文件名。

参数

• adapter_name (str | list[str])) — 要设置的适配器列表，或在单个适配器的情况下为适配器名称。

参数

• adapter_names (list[str] 或 str) — 要使用的适配器名称。
• weights (Union[List[float], float], 可选) — 用于 UNet 的适配器权重。如果为 None，则所有适配器的权重均设置为 1.0。