【AI解答】
在 Stable Diffusion 中，Lora 是一種用於生成模型的先前分布（prior distribution）。Lora 是以機率密度函數的形式描述的，表示模型在訓練之前對於生成樣本的預期分佈。
Lora 是 Stable Diffusion 中的一個關鍵概念，它提供了一個先驗分佈，用於控制生成模型產生樣本的多樣性和多樣性的程度。通常，Lora 被設計為一個高維的分佈，能夠涵蓋樣本空間中多樣性豐富的區域。生成模型通過在訓練過程中逐步調整 Lora，進一步逼近實際數據的分佈。
Lora 的設計和選擇對於生成模型的性能和表現至關重要。一個合理的 Lora 可以幫助生成模型在生成樣本時保持多樣性，並同時避免生成不真實或不合理的樣本。因此，研究人員在 Stable Diffusion 中通常會花費時間和精力來調整和優化 Lora，以提高生成模型的品質。
總結而言，Lora 在 Stable Diffusion 中是指生成模型的先前分布，用於控制生成樣本的多樣性和多樣性程度。它在生成模型的訓練過程中被逐步調整，以逼近實際數據的分佈。適當的 Lora 設計可以提升生成模型的表現和品質。
【其它參考】
Low-rank adaptation of large language models，又稱 LoRA，微軟開發的局部調整模型，非常輕量，可以在Stable Diffusion主模型的基礎上，增加局部特徵。
主要原理是將低秩矩陣分解應用到大型語言模型中，將模型中的權重矩陣分解成低秩的兩個矩陣，從而減少存儲需求和計算成本。此外模型還通過自適應學習的方法來調整模型的參數，以更好地適應不同的語言模型和文本數據。
文章網址：從頭開始學習Stable Diffusion：一個初學者指南