Diffusers报错：UNet2DConditionModel无weight属性，LORA转换异常

问题原因 #

pipeline.unet是Stable Diffusion中多层嵌套的Module结构，包含down_blocks、mid_block、up_blocks等多个子模块，本身并不是单个带有weight属性的卷积/线性层。你直接尝试给整个Unet模块加权重，自然会触发ModuleList Object has no attribute weight的错误。LoRA权重是针对Unet内部的特定子层（比如注意力模块的线性投影层、卷积层）做的微调，不能直接作用于整个Unet。

修复方法 #

1. 定位到Unet内的具体目标子层 #

LoRA权重通常对应Unet中注意力模块的q_proj、k_proj、v_proj、out_proj，或是部分卷积层。你需要遍历Unet的子模块，找到这些具体的层再应用权重：

# 遍历Unet的所有子模块，根据名称匹配目标层
for module_path, module in pipeline.unet.named_modules():
    # 示例：匹配自注意力/交叉注意力的q_proj层
    if "attn1.q_proj" in module_path or "attn2.q_proj" in module_path:
        # 确保weight_up和weight_down是当前层对应的LoRA权重
        module.weight.data += alpha * torch.mm(weight_up, weight_down)

2. 对应LoRA权重与目标层 #

LoRA文件中的权重键（如lora_unet_down_blocks_0_attentions_0_transformer_blocks_0_attn1_q_proj_up）包含了目标子层的路径信息，你需要解析这些键，找到Unet中对应的子模块，再将对应的up/down权重进行矩阵乘法后叠加到原层权重上。

3. 复用官方脚本的成熟逻辑 #

官方的convert_lora_safetensor_to_diffusers.py已经实现了完整的LoRA权重匹配与合并逻辑，建议直接参考脚本中的代码：

• 脚本会自动解析LoRA权重的键名，拆分出对应的模块路径
• 自动定位到Unet/Text Encoder中的目标子层
• 完成权重的叠加计算，避免手动处理时的路径匹配错误

内容的提问来源于stack exchange，提问作者borylee