如何热切换基础模型、Refiner与LoRAFooocus-API模型管理与LoRA Manager完全指南【免费下载链接】Fooocus-APIFastAPI powered API for Fooocus项目地址: https://gitcode.com/gh_mirrors/fo/Fooocus-APIFooocus-API 是一个基于 FastAPI 构建的 AI 绘图 API 服务为 FooocusSDXL 生图引擎提供了完整的 HTTP 接口。它的核心能力之一是模型热切换无需重启服务在每一次生图请求中通过base_model_name、refiner_model_name与loras三个参数即可动态切换基础模型、Refiner 优化模型和 LoRA 风格模型。本指南将手把手教你理解模型目录布局、掌握热切换原理、配置 LoRA并使用 LoRA Manager 实现 LoRA 的自动下载与缓存管理。 Fooocus-API 是什么支持模型热切换的 AI 绘图 API传统生图服务往往一个进程绑定一套模型想换模型只能重启。Fooocus-API 把 Fooocus 的任务调度、模型加载封装成了标准 REST API每个任务都会按请求参数独立加载模型因此你可以同一服务上并发运行不同基础模型的生成任务用不同 LoRA 组合产出不同风格随时通过clean_vram接口释放显存、腾给新模型本地体验只需克隆仓库并安装依赖git clone https://gitcode.com/gh_mirrors/fo/Fooocus-API用不同基础模型 LoRA 权重热切换后同样的 API 可以生成截然不同的画面风格例如这张由示例接口产出的写实小狗图 三类模型的存放位置一次讲清模型目录Fooocus-API 复用 Fooocus 的模型目录结构放在repositories/Fooocus/models/下常用目录如下模型类型目录说明基础模型Checkpointmodels/checkpoints/决定画面基调的 SDXL 主模型Refiner 优化模型与 checkpoints 同目录生成后半段替换提升细节LoRA 模型models/loras/风格/概念微调可多组合VAEmodels/vae/编解码器如0.9vae风格词库sdxl_styles/Fooocus V2等预设风格把.safetensors文件放进对应目录即可被自动发现无需修改代码。️ 三个关键参数base_model_name、refiner_model_name 与 refiner_switch所有生成接口文生图、图生图、局部重绘等都接受相同的模型参数参数类型作用默认值base_model_namestr基础模型文件名juggernautXL_v8Rundiffusion.safetensorsrefiner_model_namestrRefiner 优化模型填None关闭Nonerefiner_switchfloat (0.1~1.0)生成进度中切换到 Refiner 的比例0.5lorasJSON 列表LoRA 配置含开关、文件名、权重见下方示例默认值定义在 fooocusapi/configs/default.py 中可按需调整。热切换原理每个任务开始时工作线程会调用refresh_everything()实现在 repositories/Fooocus/modules/default_pipeline.py按本任务的参数卸载旧模型、加载新模型与 LoRA并自动清理缓存。因此连续请求不同模型服务完全无感。任务队列中的实时状态含请求参数、进度可以通过查询接口查看 LoRA 配置指南JSON 格式、权重与数量上限loras参数是一个 JSON 数组每项包含三个字段结构定义见 fooocusapi/models/common/base.py[{enabled: true, model_name: my_style.safetensors, weight: 0.7}]enabled是否启用该 LoRAmodel_namemodels/loras/下的文件名weight权重范围 -2 ~ 2常用 0.5 ~ 1.0负权重可实现反向风格注意两点有效 LoRA 数量受default_max_lora_number限制超出部分会被自动截断见 fooocusapi/parameters.py选择Lightning、Hyper-SD、LCM等性能模式时系统会自动注入加速 LoRA 并关闭 Refiner逻辑在 fooocusapi/worker.py这是官方推荐的提速组合拳开启save_metatrue后每张成图还会写入所用基础模型、Refiner 与 LoRA 权重等元数据方便回溯每次生成使用的模型配置。⬇️ LoRA Manager按 URL 自动下载并缓存 LoRA不想手动搬运 LoRA 文件LoraManagerfooocusapi/utils/lora_manager.py可以只传 URL 就能用以 URL 的 MD5 哈希作为缓存文件名下载到repositories/Fooocus/models/loras/已下载的 LoRA 直接命中缓存跳过重复下载支持.tar压缩包自动解压并定位其中的.safetensors文件核心方法LoraManager.check(urls)接收一组 LoRA 地址补齐缺失文件后返回本地路径列表可直接用于生成请求Replicate 部署入口 predict.py 即这样接入。启动时fooocusapi/utils/model_loader.py 还会按 Fooocus 的下载配置自动拉取 checkpoints、LoRA、VAE 近似模型等依赖保证开箱即用。 查询可用模型与清理显存配合两个运维接口模型管理更省心GET /v1/engines/all-models实时扫描并返回当前所有基础模型与 LoRA 文件名model_filenames/lora_filenames请求前先用它校验文件名避免拼错实现见 fooocusapi/routes/query.pyGET /v1/engines/clean_vram卸载全部模型、清空显存适合大批量切换模型前释放资源 最佳实践速览先查后传生图前先调all-models拿文件名杜绝 404 式的模型加载失败Refiner 按需开默认None即可追求细节再指定 Refiner 并调低refiner_switch如 0.3后半程精修LoRA 叠加分寸一般叠 2~3 个主风格权重给高、辅助风格压低提速场景直接用performance_selectionLightning系统自动处理加速 LoRA 与 Refiner 关闭多模型并发靠任务队列天然隔离不同任务传不同模型互不干扰掌握以上机制你就完成了 Fooocus-API 模型管理的全部核心操作放对文件、传对参数、管好显存剩下的交给任务队列自动热切换即可。【免费下载链接】Fooocus-APIFastAPI powered API for Fooocus项目地址: https://gitcode.com/gh_mirrors/fo/Fooocus-API创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考