stablediffusion 中怎么使用lora

### 如何在 Stable Diffusion 中应用 LoRA 模型

#### 准备工作
为了使 LoRA 模型能够在 Stable Diffusion 中生效，需将其转换为目标框架支持的文件格式。默认情况下，LoRA 的输出是以 Pytorch 文件形式保存，在用于 Stable Diffusion Web UI 前，应先转成 safetensors 格式[^2]。

python diffusers-lora-to-safetensors.py --file pytorch_lora_weights.bin

完成上述命令执行后，得到的 `.safetensors` 文件应当被放置于 `$HOME/stable-diffusion-webui/models/Lora/` 下以便加载使用。

#### 微调过程中的注意事项
当采用 LoRA 技术对预训练模型实施增量学习时，该方法记录的是相对于原始权重的变化部分而非全部更新后的参数集。这使得可以通过调整介于0至1间的融合因子来灵活调控新旧知识间平衡的程度[^1]。

对于希望在同一基础架构之上探索不同风格变换的应用场景而言，多组独立训练出来的 LoRA 可以并行激活共存，从而实现更加多样化的创作可能性。

尽管如此，值得注意的是，相较于传统全量参数微调方式，利用 LoRA 进行定制化开发可能无法达到同等复杂度的画面效果；不过其优势在于更高的稳定性和较低的学习成本[^3]。

#### 推理阶段的操作指南
一旦完成了必要的前期准备以及潜在的再训练环节之后，在实际部署期间只需确保所使用的软件环境已正确配置好对应版本库[^4]，并通过指定路径加载所需的 LoRA 权重即可启动推理流程。