SD LoRA模型应放在哪个目录下？

Question

在使用Stable Diffusion（SD）时，一个常见问题是：**LoRA模型应放在哪个目录下才能被正确加载？** 许多用户在首次使用LoRA（Low-Rank Adaptation）模型时，将其错误地放置在主模型文件夹或插件目录中，导致WebUI无法识别。正确的做法是将`.safetensors`或`.ckpt`格式的LoRA文件放入`models/Lora`子目录下（以主流WebUI如AUTOMATIC1111为例）。若目录不存在，需手动创建。此外，部分第三方前端路径可能不同，需查阅对应文档。路径配置错误会导致模型列表不显示新添加的LoRA，影响后续调用与权重合并。

Answer 1

1. LoRA模型加载路径的基础理解

在使用Stable Diffusion（SD）过程中，LoRA（Low-Rank Adaptation）作为一种高效的微调技术，广泛应用于风格迁移、角色定制等场景。然而，许多用户首次配置时面临一个共性问题：为何添加的LoRA模型未出现在WebUI界面中？其根本原因往往在于模型文件存放路径不正确。

以最主流的AUTOMATIC1111 WebUI为例，系统默认会在启动时扫描特定目录下的模型文件。对于LoRA模型，正确的路径应为：

stable-diffusion-webui/models/Lora/

该路径是WebUI内置的模型发现机制所依赖的标准位置。若将.safetensors或.ckpt格式的LoRA文件置于主模型目录（如models/Stable-diffusion/）或插件目录（如extensions/），则不会被识别。

2. 目录结构与文件组织规范

为了确保LoRA模型能被正确加载，需遵循以下目录层级结构：

层级	路径示例	用途说明
根目录	stable-diffusion-webui/	WebUI项目主目录
模型总目录	models/	存放所有模型类型
LoRA专用子目录	models/Lora/	仅放置LoRA模型文件
主模型目录	models/Stable-diffusion/	存放基础SD模型（.ckpt 或 .safetensors）
VAE目录	models/VAE/	存放VAE解码器模型
Textual Inversion目录	embeddings/	存放词嵌入模型
ControlNet模型目录	models/ControlNet/	ControlNet专用模型
Hypernetworks	models/hypernetworks/	超网络模型存储位置
Extensions	extensions/	第三方插件目录
Config文件	config.json	用户偏好设置保存文件

3. 常见错误与诊断流程

• 错误1：将LoRA放入models/Stable-diffusion/ —— 此目录专用于基础大模型，LoRA在此不会被解析。
• 错误2：放置于extensions/下某插件目录 —— 插件目录非模型扫描范围，除非有特殊扩展支持。
• 错误3：未创建Lora目录 —— 若目录不存在，需手动创建并确保权限可读。
• 错误4：文件名包含特殊字符或空格 —— 可能导致加载失败或显示异常。
• 错误5：使用非标准后缀名 —— 如.pt或.bin，应优先使用.safetensors以提升安全性。

可通过以下命令检查目录是否存在及文件是否加载：

ls stable-diffusion-webui/models/Lora/*.safetensors

4. 不同前端框架的路径差异分析

尽管AUTOMATIC1111采用models/Lora/作为标准路径，但其他前端实现可能有所不同：

1. InvokeAI：使用models/lora/，并通过YAML配置文件注册模型。
2. ComfyUI：依赖models/loras/（注意复数形式），并在节点图中通过Loader节点显式引用。
3. Fooocus：集成简化，自动扫描models/loras/，无需手动刷新。
4. DiffusionHub：基于Electron封装，路径映射由GUI控制，建议通过“模型管理”界面导入。
5. Colab Notebook部署：常通过挂载Google Drive，路径需动态指定，例如/content/drive/MyDrive/sd/models/Lora/。
6. Custom Scripts：开发者可通过Python脚本重定向模型路径，适用于CI/CD流水线。
7. Docker容器化部署：需通过volume绑定宿主机路径至容器内/app/stable-diffusion-webui/models/Lora/。
8. Kubernetes环境：结合ConfigMap或PersistentVolume管理模型路径。
9. 企业级MLOps平台：如MLflow、Kubeflow，需通过API注册模型元数据。
10. 边缘设备部署：如NVIDIA Jetson系列，受限于存储空间，常使用符号链接优化路径布局。

5. 自动化检测与路径校验流程图

graph TD A[启动WebUI] --> B{models/Lora/目录是否存在?} B -- 否 --> C[创建目录并设置权限] B -- 是 --> D[扫描.safetensors和.ckpt文件] D --> E[加载模型列表到UI] E --> F[用户选择LoRA并设置权重] F --> G[推理时动态注入LoRA参数] G --> H[生成图像] C --> D style A fill:#f9f,stroke:#333 style H fill:#bbf,stroke:#333

6. 高级配置与最佳实践

针对资深开发者与运维人员，推荐以下实践：

• 使用ln -s创建符号链接，避免重复拷贝大型模型文件。
• 通过model_config.yaml自定义模型别名与标签分类。
• 启用watchdog模块实现实时文件监控，新增LoRA后自动热加载。
• 在多用户环境中，按角色划分子目录，如models/Lora/artstyle/、models/Lora/character/。
• 结合Git LFS或对象存储（如S3）进行版本化管理。
• 利用import_lora.py脚本批量导入并验证哈希值。
• 设置udev规则，在插入NAS硬盘时自动挂载至模型目录。
• 编写Shell脚本定期清理无效链接与损坏文件。
• 在Dockerfile中预置常用LoRA模型以加速部署。
• 通过Prometheus + Grafana监控模型加载成功率与响应延迟。