不同大模型的后缀文件格式介绍-数字折叠

在大型深度学习模型的上下文中，.safetensors、.bin 和 .pth ckpt 文件的用途和区别如下：

1.safetensors 文件：

这是由 Hugging Face 推出的一种新型安全模型存储格式，特别关注模型安全性、隐私保护和快速加载。
它仅包含模型的权重参数，而不包括执行代码，这样可以减少模型文件大小，提高加载速度。
加载方式：使用 Hugging Face 提供的相关API来加载 .safetensors 文件，例如 safetensors.torch.load_file() 函数。

2.ckpt文件：

ckpt 文件是 PyTorch Lightning 框架采用的模型存储格式，它不仅包含了模型参数，还包括优化器状态以及可能的训练元数据信息，使得用户可以无缝地恢复训练或执行推理。

3.bin 文件：

通常是一种通用的二进制格式文件，它可以用来存储任意类型的数据。
在机器学习领域，.bin 文件有时用于存储模型权重或其他二进制数据，但并不特指PyTorch的官方标准格式。
对于PyTorch而言，如果用户自己选择将模型权重以二进制格式保存，可能会使用 .bin 扩展名，加载时需要自定义逻辑读取和应用这些权重到模型结构中。

4.pth 文件：

是 PyTorch 中用于保存模型状态的标准格式。
主要用于保存模型的 state_dict，包含了模型的所有可学习参数，或者整个模型（包括结构和参数）。
加载方式：使用 PyTorch 的 torch.load() 函数直接加载 .pth 文件，并通过调用 model.load_state_dict() 将加载的字典应用于模型实例。
总结起来：

.safetensors 侧重于安全性和效率，适合于那些希望快速部署且对安全有较高要求的场景，尤其在Hugging Face生态中。
.ckpt 文件是 PyTorch Lightning 框架采用的模型存储格式，它不仅包含了模型参数，还包括优化器状态以及可能的训练元数据信息，使得用户可以无缝地恢复训练或执行推理。
.bin 文件不是标准化的模型保存格式，但在某些情况下可用于存储原始二进制权重数据，加载时需额外处理。
.pth 是PyTorch的标准模型保存格式，方便模型的持久化和复用，支持完整模型结构和参数的保存与恢复。
————————————————

那么在Comfyui中使用的模型一般都放到什么位置呢。

.主模型影响画风存储位置：

大模型也叫底模型，后缀一般是.ckpt或.safetensors，它包含生成图像所需的一切数据，可以单独使用，同时尺寸较大，通常有几GB。前面提到的Stable Diffusion v1.5模型就是大模型，另外，也可以从Hugging Face或Civitai网站下载其他人发布的各种风格的大模型。
下载大模型后，可将文件放在Web UI安装目录下的“models/Stable-diffusion”文件夹下

stable-diffusion-webui/models/Stable-diffusion

LoRA模型

大模型是地基，lora就是上面的房子装饰

LoRA（Low-Rank Adaptation）模型可以被认为是大模型的补丁，用于修改或优化图像的样式，例如一些LoRA模型可以给图像添加细节；一些LoRA可以让生成的图片具有胶片拍摄的风格；还有一些可以给人物添加中式武侠风格等。
它们的尺寸通常为几十MB至几百MB，需要和大模型一起使用，不能单独使用。
下载LoRA模型后，可将文件放在Web UI安装目录下的“models/Lora”文件夹下。
VAE模型—-相当于滤镜
VAE（Variational Autoencoder，变分自编码器）模型后缀一般是.pt，作用类似于图像滤镜，可用于调整画面风格，还能对内容进行微调。
部分大型模型自带VAE功能，因此使用不合适的VAE可能会导致图像质量降低。
可将VAE的文件放在Web UI安装目录下的“models/VAE”文件夹下。
Embedding模型
Embedding模型也称为文本反转（Textual inversions），用于定义新的提示词关键字，通常尺寸为几十KB到几百KB。例如用某个角色的图片训练了一个新的Embedding模型时，将它命名为MyCharacter并安装，之后就可在提示词中通过“MyCharacter”关键词来引入这个角色。
Embedding模型的文件一般放在Web UI安装目录下的“embeddings”文件夹下。