about use LCM_lora_1.5, I have a error

[zhanghongyong123456]

当我设置 Lora 为 LCM 1.5 Lora时候 ，发现这个错误：

1. 我发现是 在转换 downsamplers时候 ，down 对应的 权重是 （320，64，3，3，），后面两个维度不是能够压缩的1 1 ，我该如何修改呢， lora_unet_down_blocks_0_downsamplers_0_conv.alpha:torch.Size([]) lora_unet_down_blocks_0_downsamplers_0_conv.lora_down.weight:torch.Size([64, 320, 3, 3]) lora_unet_down_blocks_0_downsamplers_0_conv.lora_up.weight:torch.Size([320, 64, 1, 1])
2. 关于 diffusers 中 LCM Lora 实现，封装的太隐蔽，没有找到 ，请问是和项目一样的实现吗，

[Artiprocher]

LCM is not supported in this project.

[emmawriter]

看起来您在使用某种深度学习模型时遇到了维度不匹配的问题，特别是在权重转换过程中出现了维度错误。根据您的描述，问题可能出现在下采样（downsampling）和上采样（upsampling）操作中，其中权重的维度不符合预期。

针对您提到的具体问题和需要修改的部分：

权重维度问题：您提到了权重维度是 [64, 320, 3, 3] 和 [320, 64, 1, 1]，其中后两个维度是 1，这可能导致维度不匹配的错误。通常情况下，卷积操作的权重维度应该是 [out_channels, in_channels, kernel_height, kernel_width]，确保 kernel_height 和 kernel_width 不是 1，除非特定设计需要。

调整建议：根据您的情况，可能需要调整模型的设计或者权重初始化的方式：

检查模型定义：确认您的模型定义与预期一致，特别是在下采样和上采样模块的设计上。 权重初始化：如果您使用了自定义的下采样或上采样模块，确保权重初始化的方式正确，并且符合卷积操作的基本要求。 LCM Lora 实现：关于您提到的LCM Lora实现和项目相关的问题，封装通常是为了简化使用或提供更高层次的抽象，但具体实现可能因项目而异。如果封装过于隐蔽导致找不到具体实现，可以考虑查看文档或者源代码，以确保使用正确的功能和API。

如果您能提供更多关于项目或代码的背景信息，我可以更具体地帮助您解决这些问题。