Stable Diffusion WebUI中LyCORIS BOFT网络加载问题的分析与解决

问题背景

在Stable Diffusion WebUI生态中，LyCORIS作为一种轻量级微调方法，因其高效性和灵活性而广受欢迎。近期有用户在使用kohya_ss/sd-script训练LyCORIS BOFT（Block-Orthogonal Fine-Tuning）类型的LoRA模型时，遇到了模型加载失败的问题。这一问题特别出现在使用LyCORIS 2.1.0.post2版本训练的模型中，而使用较早的2.1.0.dev9版本则能正常工作。

技术分析

问题根源

问题的核心在于LyCORIS新版本对模型保存格式的变更。在2.1.0.post2版本中，LyCORIS默认保存了OFT块(orthogonal fine-tuning blocks)以便用户可以恢复训练，这一改动导致了：

1. 权重字典结构发生变化
2. 原有的alpha参数(约束系数)在新格式中可能不存在
3. WebUI内置的OFT网络加载逻辑未能完全兼容新格式

代码层面分析

WebUI的network_oft.py文件中，网络加载逻辑原本区分了两种OFT实现方式：

1. kohya-ss实现：通过检查"oft_blocks"键存在性来识别
2. LyCORIS实现：通过检查"oft_diag"键存在性来识别

然而，新版本的LyCORIS保存格式使得这一判断逻辑失效，导致代码尝试访问不存在的"alpha"键而抛出KeyError异常。

解决方案

临时解决方案

对于急需使用的情况，可以采用以下临时方案：

1. 回退到LyCORIS 2.1.0.dev9版本进行训练
2. 手动修改训练脚本，确保alpha参数被正确保存

长期解决方案

开发者已经确认需要从两方面进行修复：

1. WebUI内置LoRA系统：需要更新网络加载逻辑，使用更健壮的权重字典访问方式(如.get方法)
2. LyCORIS本身：需要调整模型保存逻辑，确保兼容性

技术建议

对于使用LyCORIS BOFT的用户，建议：

1. 关注官方更新，及时升级到修复后的版本
2. 在训练新模型前，确认LyCORIS版本与WebUI的兼容性
3. 对于关键项目，考虑固定LyCORIS版本以避免兼容性问题

总结

这一案例展示了AI工具链中版本兼容性的重要性。随着Stable Diffusion生态的快速发展，各组件间的接口协议可能会发生变化，开发者需要保持对上下游变化的敏感性，及时调整自己的实现。对于终端用户而言，理解这些技术细节有助于更快地定位和解决问题。