Adetailer项目中自定义模型无法识别的解决方案
2025-06-13 02:20:08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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
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++
893
676
暂无简介
Dart
802
199
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
350
203
昇腾LLM分布式训练框架
Python
118
147
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
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781