lora-inspector 是模型训练领域的开源项目，由 rockerBOO 开发，2023 年首次发布。
它收录于模型训练分类，该分类目前共有 525 个项目，GitHub 星标数为 101。
项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-21。开源免费，无在线服务。
它主要面向的使用场景是：训练完LoRA后检查是否过拟合或欠拟合。同类可对比的替代方案包括 sd-scripts、kohya_ss、LyCORIS。
lora-inspector
拆开 LoRA 黑盒，看清每层权重学了啥
lora-inspector 是一个面向 Stable Diffusion 的 LoRA（低秩适配）模型检查工具，用 Python 编写。它解决的核心问题是：训练或下载得到的 LoRA 权重文件通常是黑盒，用户难以直观了解它到底学到了什么、影响了哪些层、强度如何。该工具通过解析 LoRA 的权重矩阵，对低秩分解中的 A/B 矩阵进行统计分析，帮助使用者查看各模块的秩、权重分布、相似度等信息，从而判断模型是否训练充分、是否过拟合、不同 LoRA 之间是否冲突。它适合在模型训练调试、LoRA 融合前评估、以及排查生成效果异常时使用，让原本不透明的适配器变得可观察、可比较，降低调参和排错的盲目性。
开源
free
模型训练
GitHub 星标
★ 101
维护状态
较活跃
是否开源
是
定价模式
free
项目数据
分类模型训练
开发团队rockerBOO
所属国家
定价模式free
价格说明开源免费，无在线服务
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型analysis,lora,low-rank-approximation,machine-learning,pytorch
GitHub 星标★ 101
30天Star增速
HF 下载量
上线时间2023-04-01 00:00:00
最近更新2026-09-21 00:00:00
维护状态较活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-09-28
浏览次数0
使用教程
核心亮点
- 直接解析 LoRA 权重矩阵，可视化各层秩与权重分布，定位异常层
- 支持对比不同 LoRA 的相似度，辅助判断融合冲突
- 纯 Python + PyTorch 实现，依赖轻量，便于集成到现有训练流程
不足之处
- 星标仅 101，社区规模小，长期维护与更新不确定
- 功能聚焦权重分析，缺少端到端生成效果验证
适用场景
- 训练完 LoRA 后检查是否过拟合或欠拟合
- 融合多个 LoRA 前评估权重相似度与冲突风险
- 排查生成图异常时定位是哪个模块的适配器出问题
替代项目
sd-scripts、kohya_ss、LyCORIS
项目介绍
上一篇：FineEnvs
下一篇：没有了！
同类项目推荐
Long-RL
开源
让强化学习轻松驾驭超长序列，训练更稳更快
Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)
TPA
开源
把注意力复杂度从平方降到线性，长序列不再卡顿
[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···
minimind
开源
两小时造出你的小模型，练手入门不求人
Train a 64M-parameter LLM from scratch in just 2h!
pruna
开源
一键优化 AI 模型，推理提速又省资源。
Pruna is a model optimization framework built for developers, enabling you to delive···