如何在Python中为HuggingFace模型加载多个LoRa safetensors

一、正确加载多个LoRA权重的两种方式 #

方式1：一次性加载多个LoRA #

通过字典传入多个LoRA的路径，每个键为自定义的适配器名称，值为对应LoRA文件的路径：

import torch
from diffusers import StableDiffusionPipeline

text2img_pipe = StableDiffusionPipeline.from_pretrained(
    "stablediffusionapi/deliberate-v2",
    torch_dtype=torch.float16,
    safety_checker=None
).to("cuda:0")

# 定义多个LoRA的路径映射
lora_config = {
    "character_lora": "<path/to/character_lora.safetensors>",
    "style_lora": "<path/to/style_lora.safetensors>"
}

# 一次性加载所有LoRA
text2img_pipe.load_lora_weights(lora_config)

# 可选：将所有LoRA权重合并到主模型，后续无需指定适配器即可使用
text2img_pipe.merge_lora_weights()

方式2：逐个加载并指定适配器名称 #

每次加载时通过adapter_name参数指定唯一名称，避免覆盖之前加载的LoRA：

# 加载第一个LoRA，指定适配器名称
text2img_pipe.load_lora_weights("<path/to/lora1.safetensors>", adapter_name="lora1")
# 加载第二个LoRA，指定不同的适配器名称
text2img_pipe.load_lora_weights("<path/to/lora2.safetensors>", adapter_name="lora2")

# 合并所有适配器的权重到主模型
text2img_pipe.merge_lora_weights()

二、解决"逐个加载权重未保留"的问题 #

之前逐个加载时权重被覆盖，是因为load_lora_weights默认使用名为default的适配器，每次加载都会覆盖这个适配器的权重。只要给每个LoRA指定不同的adapter_name，就能保留多个LoRA的权重，之后还可以通过text2img_pipe.set_adapters(["lora1", "lora2"], adapter_weights=[0.5, 0.5])调整不同LoRA的权重占比。

三、解决use_safetensors参数的报错问题 #

use_safetensors参数是用于加载基础StableDiffusion模型的safetensors格式权重，而非加载LoRA。报错原因是你的基础模型目录中混合了.bin和.safetensors格式的权重文件，或者缺少部分组件的safetensors文件。解决方法：

• 无需手动设置use_safetensors=True，diffusers会自动检测目录中可用的权重格式并加载；
• 若必须使用safetensors格式，确保基础模型的所有组件（unet、text_encoder、vae等）都有对应的.safetensors文件，且目录中没有混合.bin文件。

内容的提问来源于stack exchange，提问作者D.Giunchi