fix_fp16_lora.py

import torch
from safetensors.torch import load_file, save_file
import os

# --- ⚙️ 在这里配置 ---

# 1. 指向你那个有问题的、旧的 LoRA 文件
#    (就是你之前训练 Z-Image LoRA 时生成的那个)
OLD_LORA_FILE = "./Turbo_Booster_v1.safetensors" # 示例路径，请替换成你的

# 2. 定义新文件的保存路径和名字
NEW_LORA_FILE = "Turbo_Booster_v1-fp16.safetensors"

# 3. 目标精度 (fp16 兼容性最好)
TARGET_DTYPE = torch.float16

# --- 配置结束 ---

def fix_lora_precision():
    if not os.path.exists(OLD_LORA_FILE):
        print(f"❌ 错误: 找不到旧的 LoRA 文件: {OLD_LORA_FILE}")
        return

    print(f"✅ 正在从 '{OLD_LORA_FILE}' 加载权重...")
    try:
        state_dict = load_file(OLD_LORA_FILE)
        print(f"   - 成功加载 {len(state_dict)} 个权重张量。")
    except Exception as e:
        print(f"❌ 加载权重时出错: {e}")
        return

    # 检查一下第一个权重的数据类型，确认它确实是 fp32
    first_key = next(iter(state_dict))
    if state_dict[first_key].dtype != torch.float32:
        print(f"⚠️ 警告: 权重似乎不是 fp32 格式 (检测到 {state_dict[first_key].dtype})。脚本仍会继续转换。")
    
    new_state_dict = {}
    print(f"\n🔄 正在将所有权重转换为 {TARGET_DTYPE}...")
    
    for key, tensor in state_dict.items():
        new_state_dict[key] = tensor.to(TARGET_DTYPE)
    
    print(f"\n💾 正在将转换后的权重保存到 '{NEW_LORA_FILE}'...")
    try:
        save_file(new_state_dict, NEW_LORA_FILE)
        print("\n✨ 修复完成！")
        print(f"   - 新的、与 fp8 兼容的 LoRA 文件已保存在: {NEW_LORA_FILE}")
        print("   - 你现在可以把这个新文件重命名为 'pytorch_lora_weights.safetensors' 并上传更新了。")
    except Exception as e:
        print(f"❌ 保存新文件时出错: {e}")

if __name__ == "__main__":
    fix_lora_precision()