FP8 LoRA 训练在整块包装的模型上梯度丢失，权重保持初始值 #1780

现象

--fp8_models 做 LoRA 训练时，循环能正常跑完，loss 也有正常数值，但 LoRA 权重从未更新。

在 Fibo-2.0-dev 上跑完 12800 step、每 500 step 存一次，得到 26 个检查点。这些文件字节完全相同。其中 364 个 lora_B 的最大绝对值是 0，lora_A 仍是 PEFT 的初始值。拿到 ComfyUI 里 strength 1.0 的出图和底模是同一张。

官方 examples/fibo/model_training/lora/Fibo-2.0-dev-T2I.sh 没有开 --fp8_models，所以示例路径碰不到。16GB 显卡放不下 BF16 的 Fibo DiT，才会走文档里的 FP8 存储。

原因

diffsynth/core/vram/layers.py 里 AutoWrappedModule.cast_to 在存储 dtype 和计算 dtype 不同时执行：

return copy.deepcopy(module).to(dtype=dtype, device=device)

FP8 训练的配置是 offload / onload / preparing 为 float8_e4m3fn，computation 为 bfloat16。每次 forward 都会整块 deepcopy。

Fibo 的显存映射把整个 FiboTransformerBlock 和 FiboPerceiverResampler 包成 AutoWrappedModule，递归在这里停止，里面的 nn.Linear 不会再包成 AutoWrappedLinear。PEFT 把 LoRA 注入到 .module 内部。反传更新的是这份复制品，原参数的 grad 是 None，优化器不会改它们。存盘读到的就是初始 LoRA。

--find_unused_parameters 会让这些没有梯度的参数不报错，所以训练看起来是成功的。

影响范围

不是所有模型。Qwen-Image、Z-Image、FLUX、FLUX.2、FLUX.3 的 DiT 按每个 Linear 包成 AutoWrappedLinear，LoRA 加在类型转换外面。官方 Qwen FP8 LoRA 示例走的是这条，不受影响。

会丢梯度的是「整块包装 + FP8」：

• FiboTransformerBlock、FiboPerceiverResampler：AutoWrappedModule，整块 deepcopy。
• Wan 主 DiT 的 DiTBlock：AutoWrappedNonRecurseModule。它会共享子模块里的 AutoTorchModule，但 PEFT 的 LoRA 层本身不是 AutoTorchModule，仍会被复制。下面的小例子把 grad 打成了 None。
• Vace 的 DiTBlock、Wan S2V 的 block 也是整块 AutoWrappedModule。

docs/zh/Training/FP8_Precision.md 写的是：冻结权重可以用 FP8 存放，LoRA 的梯度仍然更新原参数。现在这条对整块包装的模型不成立。

最小复现

不必下载完整权重。存储用 float16、计算用 float32，走的是同一个 cast_to 分支。

import torch
import torch.nn as nn
from peft import LoraConfig, inject_adapter_in_model
from diffsynth.core.vram.layers import AutoWrappedModule

class Block(nn.Module):
    def __init__(self):
        super().__init__()
        self.to_q = nn.Linear(8, 8, bias=False)
    def forward(self, x):
        return self.to_q(x)

block = Block()
for p in block.parameters():
    p.requires_grad = False
block.to(dtype=torch.float16)
kw = dict(
    offload_dtype=torch.float16, offload_device="cpu",
    onload_dtype=torch.float16, onload_device="cpu",
    preparing_dtype=torch.float16, preparing_device="cpu",
    computation_dtype=torch.float32, computation_device="cpu",
)
wrapped = AutoWrappedModule(block, **kw, name="block")
wrapped = inject_adapter_in_model(
    LoraConfig(r=2, lora_alpha=2, target_modules=["to_q"]), wrapped
)
for p in wrapped.parameters():
    if p.requires_grad:
        p.data = p.data.float()
y = wrapped(torch.randn(2, 8))
y.float().pow(2).mean().backward()
for n, p in wrapped.named_parameters():
    if "lora_B" in n:
        print(n, None if p.grad is None else float(p.grad.abs().max()))

结果是 lora_B 仍为 0，grad 为 None。

Wan 主 DiT 的包装同样会丢。先把 to_q 包成 AutoWrappedLinear，再把 block 包成 AutoWrappedNonRecurseModule，然后同样注入 LoRA，lora_B.grad 还是 None。

修复方向

cast_to 保持现在的复制和 dtype 转换。复制完成之后，把副本里 requires_grad=True 的参数重新指回原模块上的 Parameter。冻结权重继续用转换后的计算精度副本。没有可训练参数时，行为和现在一样，推理不受影响。

AutoWrappedNonRecurseModule.cast_to 重写了这个函数，需要同样处理，否则 Wan 主 DiT 还是接不上梯度。