返回 AI 工具目录
LoRA
开发框架人工精选最近核验 2026年7月23日
这是 cloneofsimo 开源的 LoRA(低秩适配)实现,用于快速微调 Stable Diffusion 等文生图扩散模型。它把权重更新约束为低秩矩阵,只训练很小的增量,产出通常仅 1–6MB 的适配文件,微调速度约为 DreamBooth 的两倍,便于社区分享与叠加。项目支持对 UNet、CLIP 文本编码器与新增 token 的联合微调,以及模型合并、权重插值、pivotal tuning 等能力,并与 Hugging Face diffusers 兼容。它是扩散模型 LoRA 的早期、有影响力的参考实现;最新发布停留在 2023 年初,如今 diffusers 与 PEFT、kohya_ss 等已提供更完整的工程化方案。
定价开源部署本地运行国内可达国内可达性待核验许可Apache-2.0
解决什么问题
- 以极小增量文件微调 Stable Diffusion
- 大幅降低微调所需显存与存储
- 微调速度约为 DreamBooth 两倍
- 联合微调 UNet、CLIP 与新增 token
- 支持模型合并与权重插值实验
适合
- 研究或复现扩散模型 LoRA 原理的场景
- 需要轻量、可分享的风格或主体微调
- 基于 Hugging Face diffusers 生态做实验
- 显存有限、追求小体积适配文件
- 需要 pivotal tuning 等进阶微调手段
不适合
- 生产级微调建议用维护更活跃的 diffusers 或 PEFT
- 最新发布停留在 2023 年初,更新有限
- 仅面向扩散模型,不适用于 LLM 微调
- 需要开箱即用 GUI 的用户应转向 kohya_ss
- 对新版模型与依赖的兼容需自行验证
如何接入
- 从 GitHub 源码 pip 安装使用
- 与 Hugging Face diffusers 管线兼容
- 提供 lora_diffusion 模块与命令行脚本
- 产出的适配文件可加载、合并、叠加
- 可对接 UNet 与 CLIP 文本编码器训练
已知限制
- 最新发布停留在 2023 年初,维护有限
- 仅支持扩散模型,不覆盖大语言模型
- 对最新模型与依赖版本兼容性需自测
- 无官方托管服务,全部本地自建
- 工程化程度低于 diffusers 与 PEFT 生态
接入与使用事实
- 部署方式
- 本地运行
- 实现语言
- Python
- 中文界面
- 待确认
- 中文文档
- 待确认
- 定价方式
- 开源
- 许可证
- Apache-2.0
- 国内可达性
- 国内可达性待核验
- 可达性观察
- 待补充
权限、依赖与维护信号
这些字段记录公开可见信号，不等同于安全审计结论。
权限信号
暂无公开信号。
依赖信号
暂无公开信号。
维护信号
暂无公开信号。
公开来源与证据
暂无可公开的来源链接。