load_lora_weights()无法加载Civitai指定LoRA权重至SD模型求助

错误原因 #

你遇到的ValueError是因为加载方法用错了：

• load_lora_weights()是HuggingFace专门用来加载LoRA小权重文件的工具
• 你下载的模型99805是完整的Stable Diffusion Checkpoint大模型，不是LoRA格式，自然无法被该函数识别。你之前成功加载的19998是LoRA类型，所以能正常运行。

解决方案 #

根据你的需求，提供两种可行方案：

方案1：直接将该Checkpoint作为基础模型加载 #

如果不需要基于v1-4，直接用这个完整模型生成，用from_single_file方法：

from diffusers import StableDiffusionPipeline
import torch

# 加载完整checkpoint
pipe = StableDiffusionPipeline.from_single_file(
    "testerino.safetensors",
    torch_dtype=torch.float16  # 用float16节省显存，GPU可用时推荐
).to("cuda")  # 没有GPU可换成"cpu"

# 测试生成
result = pipe("a photo of a cute dog in a garden")
result.images[0].save("test_generation.png")

方案2：将该Checkpoint的特征融合到v1-4模型中 #

如果需要保留v1-4的基础特征，同时融合目标模型的风格，可以用模型融合方法：

from diffusers import StableDiffusionPipeline
import torch

# 加载v1-4基础模型
base_pipe = StableDiffusionPipeline.from_pretrained(
    "CompVis/stable-diffusion-v1-4",
    torch_dtype=torch.float16
).to("cuda")

# 加载下载的完整checkpoint
target_pipe = StableDiffusionPipeline.from_single_file(
    "testerino.safetensors",
    torch_dtype=torch.float16
).to("cuda")

# 融合模型权重，ratio参数控制融合比例（0-1，值越高目标模型特征占比越大）
base_pipe.unet = base_pipe.unet.merge(target_pipe.unet, ratio=0.3)
base_pipe.text_encoder = base_pipe.text_encoder.merge(target_pipe.text_encoder, ratio=0.3)

# 测试融合后的生成
result = base_pipe("a photo of a cute dog in a garden")
result.images[0].save("merged_generation.png")

注意事项 #

Civitai上的模型分三类，下载前务必确认类型：

• Checkpoint：完整大模型，需用from_single_file加载
• LoRA：小权重插件，用load_lora_weights加载
• Embedding：文本嵌入，需单独加载到文本编码器

内容的提问来源于stack exchange，提问作者Robin Bjoern Platte