ComfyUI如何使用 LoRA 模型？

在这篇教程中，我们将深入探讨 LoRA（Low-Rank Adaptation）的原理和应用。LoRA 是一种改进型的神经网络参数调整技术，它能在不破坏现有模型架构的前提下，通过简单的参数修改，显著改变生成内容的风格。让我们一起了解如何在 ComfyUI 环境下高效利用 LoRA 来定制你的图像生成过程。

如何准备

在开始使用 LoRA 之前，请确保下载并安装以下必需的模型文件：

1. Anime Lineart LoRA - 下载后存放至 ComfyUI 的 models/loras 文件夹。
2. AnythingElse V4 - 应放置在 ComfyUI 的 models/checkpoints 文件夹中。
3. OrangeMixs - 存储路径为 ComfyUI 的 models/vae 文件夹。
4. LCM-LoRA - 同样放入 ComfyUI 的 models/loras 文件夹。

LoRA 的核心原理

LoRA 技术基于 UNet 算法，通过在每一层网络中注入新的参数，改变原有网络的输出特性，从而达到改变生成图像风格的目的。下面的图示清晰地展示了数据通过网络层的处理过程，每一步均涉及计算和参数调整：

实操：在 ComfyUI 上使用 LoRA

添加 LoRA 节点

在 ComfyUI 界面中，通过右键菜单选择 All node → loaders → Load LoRA，即可添加 LoRA 节点到你的工作流中。

节点连接配置

LoRA 节点的配置非常简单：

• 左侧连接：连接到你的 Checkpoint 模型节点。
• 右侧连接：连接到 CLIP 和 KSampler 节点，以进行后续的图像生成操作。

选择合适的 VAE 和 Sampler

不同的 LoRA 配置可能需要不同的 VAE 和 Sampler 设置，以优化生成效果。例如，Anime Lineart LoRA 推荐使用特定的 VAE 和 Sampler 配置以达到最佳效果：

使用 LCM-LoRA 提升效率

LCM-LoRA 是 LoRA 的一个高效变种，它不仅能改变风格，还能在保持高分辨率的同时提升生成速度。LCM-LoRA 的配置稍有不同，需要适当调整步骤数和算法参数以获得最佳性能。

高效配置

• 步骤数 (Step)：建议设置为 5 步以上。
• 配置强度 (cfg)：设置在 1.8 以上，以确保生成质量。
• Sampler 名称：使用 LCM。
• 调度器 (Scheduler)：选择 sgm_uniform。

通过以上步骤，你可以有效地在 ComfyUI 上实施 LoRA，无论是为了改变风格还是提升效率，LoRA 都提供了一种灵活且强大的解决方案。

想深入了解DeepSeek的核心玩法 扫描下方二维码加入微信群