前言
上一节中我们介绍了如何在ComfyUI中实现高清修复增强细节
本文我们主要介绍LoRA模块的使用。
LoRA的微调能力效果，未来的发展趋势始终是个大的方向。更多的LoRA内容我们可以参考后续的中级课程LoRA深度内容。
本文主要在ComfyUI的体系中如何使用LoRA模块，会和RA/SD下有所不同，你也可以具体掌握LoRA在整个流转控制中的输入输出。
本文知识点
- ComfyUI中使用LoRA
基础知识
关于LoRA在RA/SD中的情况和使用，课程，可以参考：2-11 LoRA的概念和常用推荐
稍微复习下
①LoRA：Low-Rank Adaptation Models（低秩适应模型），他的核心思想是在不显著改变原有模型结构的情况下，通过添加一些额外的、低秩（即简化的）矩阵来调整模型的权重，从而提升模型的性能或适应性。
②在微调 Stable Diffusion 模型的情况下，相较于大模型的 Dreambooth（训练方法，输出 Checkpoint 模型）的全面微调模型方法，Lora 的训练参数可以减少很多倍，对硬件性能的要求也降低很多。
具体步骤
第一步
如何在Paragoger CU中使用LoRA。 我们已经在Paragoger CU中内置了下面的模型，大家不需要重复下载。节约大家时间。
我们用这个LoRA模型
https://civitai.com/models/12597/moxin
可以看到， 触发的词汇是
SHUIMOBYSIM
WUCHANGSHUO
BONIAN
ZHENBANQIAO
BADASHANREN
第二步：
下载模型后，放到目录下RA2Win\ComfyUI\models\loras 下。 这个和RA/SD是有点不同的。要注意。
模型仿制好后,在Load LoRA面板中（如无可新建，类似下一步开头的新建）选择LoRA模型。
设置几个参数。
第三步
增加 Load LoRA面板 ，左边的输入model选择大模型，左侧的clip 选择大模型的输出clip , LoRA面板的输出Model给采样器。Clip给CLIP面板
由此可见重要的一点是：
LoRA的介入后，在原先大模型和后续的CLIP面板和采样器面板中加入了一道处理工序。
截图中的，1，2，3，4，5代表了顺序的流转方式，这应该也是Paragoger CU的魅力所在。
如果调用多个LoRA，只需要添加多个对应的LoadLoRA面板即可，同时这几个面板的连接，类似串联一样，后面的输入直接连前面的输出即可。
小技巧：
当我们的LoRA面板很多的时候，界面会非常的乱，此时可以使用一个高效的插件，LoRA面板堆的管理。
https://github.com/jags111/efficiency-nodes-comfyui.git
最终完成流程图
最终效果图，这个花瓶，看上去都有了中国古典水墨风格了。
强扭的瓜真现实啊。
RA/SD 衍生者AI训练营。发布者：稻草人，转载请注明出处：https://www.shxcj.com/6-8-%e5%9c%a8ra-cu%e4%b8%ad%e6%90%ad%e5%bb%balora%e6%a8%a1%e5%9d%97/
