Upload fix_fp16_lora.py

fix_fp16_lora.py

@@ -0,0 +1,53 @@
+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()