Adetailer项目中自定义模型无法识别的解决方案
2025-06-13 00:19:29作者:俞予舒Fleming
问题背景
在使用Adetailer项目时,用户可能会遇到自定义模型无法被识别的问题。具体表现为:用户将下载的Adetailer兼容模型放置在指定目录后,重启WebUI界面,但在Adetailer模型下拉菜单中却无法看到这些自定义模型选项。
问题原因分析
经过深入排查,发现该问题主要与模型目录配置有关。当用户修改了模型目录的指定方式时,Adetailer的模型识别机制会受到影响。具体表现为:
- 当用户从单独指定各个子目录(如--ckpt-dir指定稳定扩散模型目录,--lora-dir指定Lora模型目录等)切换为统一使用--models-dir指定整体模型目录时
- Adetailer会默认在新的模型目录结构下寻找模型文件
- 如果自定义模型仍保留在旧的webui/models/adetailer目录中,而未被移动到新指定的模型目录下,就会导致识别失败
解决方案
要解决这个问题,可以采取以下步骤:
- 确认当前使用的模型目录结构
- 将所有自定义Adetailer模型文件(.pt格式)移动到新指定的模型目录下的adetailer子目录中
- 确保模型文件具有正确的.pt扩展名
- 重启WebUI使更改生效
技术细节
Adetailer项目在模型识别方面有以下特点:
- 模型文件必须使用.pt扩展名
- 默认会从models/adetailer目录加载模型
- 当使用--models-dir参数时,会从该参数指定的目录下的adetailer子目录加载模型
- 模型识别过程不会自动合并多个目录中的模型文件
最佳实践建议
为了避免类似问题,建议用户:
- 统一模型管理方式,要么全部使用单独目录参数,要么统一使用--models-dir
- 定期检查模型文件位置是否与当前配置匹配
- 在修改目录配置后,及时迁移相关模型文件
- 保持模型文件的命名规范,避免特殊字符
总结
Adetailer项目中自定义模型识别问题通常与目录配置变更有关。通过理解项目的模型加载机制,并确保模型文件位于正确的目录下,可以有效地解决这类问题。对于使用多个模型目录的高级用户,建议建立清晰的目录管理规范,以避免配置冲突。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
212
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
649
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
297
111
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
384
3.69 K
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
243
316
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
66
96
暂无简介
Dart
632
143