知仓学习社
概念
不随版本变化
LoRA 与适配器：不换主模型就改风格
主模型不动，挂一层很小的权重上去。这就是 LoRA 的全部意思。
LoRA 是一层额外的、很小的权重，挂到主模型上参与计算。主模型本身一个字节都不改，取下来就恢复原样。换风格、加角色、加画风，大多靠它。
它是什么
- 训练时只学「与原模型的差异」，所以文件体积比主模型小很多
- 使用时通过加载节点挂到主模型的指定位置上
- 一次可以只挂一个，也可以叠加多个，叠加时按各自权重混合
- 训练数据与主模型不匹配时效果会变差，甚至破坏画面，这是最常见的坑
为什么它省事
换主模型意味着重新准备一整套文件（主模型、编码器、VAE），而且风格取向全变。LoRA 只改一部分，所以可以在同一个主模型上快速试多种风格，这也是它成为主流做法的原因。
加载与权重
| 项 | 作用 | 怎么调 |
|---|---|---|
| LoRA 文件 | 要挂上去的那层权重 | 放在 loras 目录下，文件名要与工作流里写的一致 |
| 权重（强度） | 这层权重参与多少 | 从较小值往大加；过大时会出现画面崩坏、色彩偏移 |
| 触发词 | 部分 LoRA 需要特定词才生效 | 按作者说明写进提示词，缺了会出现「加载了却没效果」 |
常见误解
常见误解
- 以为挂了就一定有效果
有些需要触发词、有些只在特定主模型上有效、有些与分辨率强相关。加载了没变化时先查这三项。 - 把权重开得越大越好
权重过大通常会压过主模型，画面变硬、结构变形。正确做法是从小往大试，找到刚好的点。 - 同时叠很多个 LoRA
它们互相干扰，出问题时无法判断是哪一个。逐个加上去，每加一个看一次效果。