本文档由 AI 生成。如果您发现任何错误或有改进建议，欢迎贡献！ 在 GitHub 上编辑此节点通过加载检查点权重并对模型和 CLIP 组件应用强度调整，以 LoRA（低秩适应）方式创建钩子模型。它允许您通过基于钩子的方法对现有模型应用 LoRA 风格的修改，从而实现微调和适应，而无需永久更改模型。该节点可以结合之前的钩子，并缓存已加载的权重以提高效率。
输入
| 参数 | 数据类型 | 是否必填 | 范围 | 描述 |
|---|---|---|---|---|
Checkpoint名称 | STRING | 是 | 多个选项可用 | 从中加载权重的检查点文件（从可用检查点中选择） |
模型强度 | FLOAT | 是 | -20.0 到 20.0 | 应用于模型权重的强度乘数（默认值：1.0） |
CLIP强度 | FLOAT | 是 | -20.0 到 20.0 | 应用于 CLIP 权重的强度乘数（默认值：1.0） |
前一个约束 | HOOKS | 否 | - | 可选的先前钩子，用于与新创建的 LoRA 钩子结合 |
ckpt_name参数从可用的检查点文件夹中加载检查点- 两个强度参数接受 -20.0 到 20.0 之间的值，步长为 0.01
- 当未提供
prev_hooks时，节点会创建一个新的钩子组 - 节点会缓存已加载的权重，以避免重复加载同一检查点
输出
| 输出名称 | 数据类型 | 描述 |
|---|---|---|
HOOKS | HOOKS | 创建的 LoRA 钩子，如果提供了先前钩子，则与其结合 |
Source fingerprint (SHA-256):
8c0dd6b2e8e99e1d7dbc864aa802c0713842fb0d4ee018ea5cbedfb7896a770d