Hacktoberfest 2026: le issue che i maintainer hanno segnato per ottobre, aperte e adatte ai principianti. Sfoglia le issue Hacktoberfest

[bug]: FLUX.1 diffusers LoRA converter maps both guidance-embedder layers onto `guidance_in`

Aperta Adatta ai principianti
  • Qualcosa non va?
#10,023 0 commenti 0 reazioni 0 assegnatari Vedi su GitHub

I maintainer di solito rispondono entro 2 giorni

@kevin9327 ci sta già lavorando.

Dal 27/10/2026.

  • #10045 di @kevin9327 — aperta

Valutazione

Difficoltà
1/5
Tempo stimato
Meno di un'ora
Idoneità per principianti
85/100
Tipo di issue
Bug
Chiarezza
Specificata chiaramente
Stato di attività
Attiva
Stack tecnologico
python
Ambito
backend

Direzione di ricerca

Il bug è in invokeai/backend/patches/lora_conversions/flux_diffusers_lora_conversion_utils.py righe 186-188 dove entrambi i layer guidance embedder mappano a guidance_in. Cambia i mapping a guidance_in.in_layer e guidance_in.out_layer come con time_in. Esegui lo script di riproduzione dell'issue per confermare che non ci sia KeyError e che entrambi i layer appaiano. Fatto quando lo script passa e i mapping corrispondono agli embedder vicini.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

bug
Is there an existing issue for this problem?
  • I have searched the existing issues
Install method

Manual (dev checkout)

Operating system

Windows

GPU vendor

Not GPU-specific (reproduced on CPU)

GPU model

No response

GPU VRAM

No response

Version number

main at 0ddc9df91b

What happened

The FLUX.1 diffusers LoRA converter maps both guidance-embedder layers onto the same module:

# invokeai/backend/patches/lora_conversions/flux_diffusers_lora_conversion_utils.py:186-188
add_lora_layer_if_present("time_text_embed.guidance_embedder.linear_1", "guidance_in")
add_lora_layer_if_present("time_text_embed.guidance_embedder.linear_2", "guidance_in")

guidance_in is an MLPEmbedder with no parameters of its own. The second layer overwrites the first, and patching fails:

  File "invokeai/backend/patches/layers/lora_layer_base.py", line 63, in get_parameters
    lora_weight = self.get_weight(orig_parameters["weight"])
KeyError: 'weight'

The neighbouring timestep and text embedders map to in_layer / out_layer. This affects diffusers-format FLUX.1 dev LoRAs that train the guidance embedder.

What you expected to happen

linear_1 → guidance_in.in_layer and linear_2 → guidance_in.out_layer, like time_in and vector_in.

How to reproduce the problem
import torch

import invokeai.backend.model_manager.load  # noqa: F401
from invokeai.backend.flux.model import Flux
from invokeai.backend.flux.util import get_flux_transformers_params
from invokeai.backend.model_manager.taxonomy import FluxVariantType
from invokeai.backend.patches.layer_patcher import LayerPatcher
from invokeai.backend.patches.lora_conversions.flux_diffusers_lora_conversion_utils import (
    lora_model_from_flux_diffusers_state_dict,
)

sd = {}
for name, d_in in (("linear_1", 256), ("linear_2", 3072)):
    p = f"transformer.time_text_embed.guidance_embedder.{name}"
    sd |= {f"{p}.lora_A.weight": torch.randn(4, d_in), f"{p}.lora_B.weight": torch.randn(3072, 4)}
patch = lora_model_from_flux_diffusers_state_dict(sd, alpha=None)
print(list(patch.layers))  # ['lora_transformer-guidance_in']

with torch.device("meta"):
    flux = Flux(get_flux_transformers_params(FluxVariantType.Dev))
flux.guidance_in.to_empty(device="cpu")
with LayerPatcher.apply_smart_model_patches(
    model=flux, patches=[(patch, 1.0)], prefix="lora_transformer-", dtype=torch.float32, force_direct_patching=True
):
    pass
Additional context

For LoRAs that train every layer this is currently masked by #10022, which fails the load first.

Found while checking every LoRA layout OneTrainer writes (b08db37) against main: OneTrainer's own savers run on meta-device models of the real architectures, then identification, LoRALoader and LayerPatcher module resolution on the InvokeAI model.

Discord username

No response

Lingua principale
TypeScript
Stelle
28.8k
Fork
3.1k
Merge medio
3g 9h
PR unite (30g)
168

Preparare l'ambiente

  • Nessun Dockerfile né file Docker Compose
  • Ha un modello di pull request
  • Nessuna guida per i contributori

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di invoke-ai/InvokeAI

Tutte le issue di invoke-ai/InvokeAI

Issue simili

Altre issue su TypeScript

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.