# Documentation - Class name: a1111Loader - Category: EasyUse/Loaders - Output node: False - Repo Ref: https://github.com/yolain/ComfyUI-Easy-Use.git 该节点便于加载和整合各种模型组件,包括检查点、VAE 和 LORA 栈,以建立一个全面的管道,根据提供的提示和参数处理和生成图像。 # Input types ## Required - ckpt_name - 检查点名称对于指定要加载的模型状态至关重要,它直接影响节点根据所需配置生成图像的能力。 - Comfy dtype: COMBO - Python dtype: str - vae_name - VAE名称参数对于选择适当的变分自编码器模型至关重要,它在图像生成过程中起着重要作用。 - Comfy dtype: COMBO - Python dtype: str - clip_skip - clip_skip 参数对于控制CLIP与模型之间的交互很重要,影响节点的效率和生成图像的质量。 - Comfy dtype: INT - Python dtype: int - lora_name - LORA名称参数对于应用模型特定的增强至关重要,它可以显著提高节点在图像生成任务中的性能。 - Comfy dtype: COMBO - Python dtype: str - lora_model_strength - lora_model_strength 参数调整LORA增强对模型的影响,影响节点根据特定要求微调图像生成的能力。 - Comfy dtype: FLOAT - Python dtype: float - lora_clip_strength - lora_clip_strength 参数修改CLIP与LORA集成的强度,这对于实现平衡和协调的图像生成过程至关重要。 - Comfy dtype: FLOAT - Python dtype: float - resolution - 分辨率参数定义了输出图像的大小,这是决定节点能够产生高质量视觉效果的关键因素。 - Comfy dtype: COMBO - Python dtype: str - empty_latent_width - empty_latent_width 参数设置了潜在空间的宽度,对于节点生成多样化和复杂图像模式的能力至关重要。 - Comfy dtype: INT - Python dtype: int - empty_latent_height - empty_latent_height 参数建立了潜在空间的高度,影响了节点创建详细和细腻图像的能力。 - Comfy dtype: INT - Python dtype: int - positive - positive 参数提供正面提示来指导图像生成过程,显著影响节点的输出质量和相关性。 - Comfy dtype: STRING - Python dtype: str - negative - negative 参数提供负面提示来完善图像生成,专注于节点在输出中避免不需要的特征的能力。 - Comfy dtype: STRING - Python dtype: str - batch_size - batch_size 参数决定了同时处理的图像数量,这影响了节点的吞吐量和效率。 - Comfy dtype: INT - Python dtype: int # Output types - pipe - pipe 输出封装了加载的模型和设置,为后续的图像生成和处理任务提供了基础。 - Comfy dtype: PIPE_LINE - Python dtype: dict - model - model 输出提供了加载的模型,这对于根据输入提示和参数执行图像生成至关重要。 - Comfy dtype: MODEL - Python dtype: ModelPatcher - vae - vae 输出包含加载的VAE模型,这对于生成和处理潜在空间和图像至关重要。 - Comfy dtype: VAE - Python dtype: VAE # Usage tips - Infra type: CPU # Source code ``` class a1111Loader: @classmethod def INPUT_TYPES(cls): resolution_strings = [f'{width} x {height}' for (width, height) in BASE_RESOLUTIONS] a1111_prompt_style_default = False checkpoints = folder_paths.get_filename_list('checkpoints') loras = ['None'] + folder_paths.get_filename_list('loras') return {'required': {'ckpt_name': (checkpoints,), 'vae_name': (['Baked VAE'] + folder_paths.get_filename_list('vae'),), 'clip_skip': ('INT', {'default': -1, 'min': -24, 'max': 0, 'step': 1}), 'lora_name': (loras,), 'lora_model_strength': ('FLOAT', {'default': 1.0, 'min': -10.0, 'max': 10.0, 'step': 0.01}), 'lora_clip_strength': ('FLOAT', {'default': 1.0, 'min': -10.0, 'max': 10.0, 'step': 0.01}), 'resolution': (resolution_strings, {'default': '512 x 512'}), 'empty_latent_width': ('INT', {'default': 512, 'min': 64, 'max': MAX_RESOLUTION, 'step': 8}), 'empty_latent_height': ('INT', {'default': 512, 'min': 64, 'max': MAX_RESOLUTION, 'step': 8}), 'positive': ('STRING', {'default': 'Positive', 'multiline': True}), 'negative': ('STRING', {'default': 'Negative', 'multiline': True}), 'batch_size': ('INT', {'default': 1, 'min': 1, 'max': 64})}, 'optional': {'optional_lora_stack': ('LORA_STACK',), 'a1111_prompt_style': ('BOOLEAN', {'default': a1111_prompt_style_default})}, 'hidden': {'prompt': 'PROMPT', 'my_unique_id': 'UNIQUE_ID'}} RETURN_TYPES = ('PIPE_LINE', 'MODEL', 'VAE') RETURN_NAMES = ('pipe', 'model', 'vae') FUNCTION = 'adv_pipeloader' CATEGORY = 'EasyUse/Loaders' def adv_pipeloader(self, ckpt_name, vae_name, clip_skip, lora_name, lora_model_strength, lora_clip_strength, resolution, empty_latent_width, empty_latent_height, positive, negative, batch_size, optional_lora_stack=None, a1111_prompt_style=False, prompt=None, my_unique_id=None): return fullLoader.adv_pipeloader(self, ckpt_name, 'Default', vae_name, clip_skip, lora_name, lora_model_strength, lora_clip_strength, resolution, empty_latent_width, empty_latent_height, positive, 'mean', 'A1111', negative, 'mean', 'A1111', batch_size, None, None, None, optional_lora_stack, a1111_prompt_style, prompt, my_unique_id) ```