68 lines
3.1 KiB
Markdown
68 lines
3.1 KiB
Markdown
# Documentation
|
|
- Class name: GetSigma
|
|
- Category: latent/noise
|
|
- Output node: False
|
|
- Repo Ref: https://github.com/BlenderNeko/ComfyUI_Noise.git
|
|
|
|
该节点旨在计算sigma值，这是在生成模型上下文中衡量噪声或信噪比的指标。它处理模型在指定步骤范围内的输出，以确定sigma的变化，提供对模型行为和噪声特性的洞察。
|
|
|
|
# Input types
|
|
## Required
|
|
- model
|
|
- 模型参数至关重要，因为它定义了要分析的生成模型。它通过确定用于计算sigma值的数据来源，影响整个处理过程。
|
|
- Comfy dtype: MODEL
|
|
- Python dtype: comfy.model_management.Model
|
|
- sampler_name
|
|
- 采样器名称决定了从模型中采样的方法，这反过来影响了sigma的计算，因为它影响了采样数据的质量和分布。
|
|
- Comfy dtype: COMBO[comfy.samplers.KSampler.SAMPLERS]
|
|
- Python dtype: str
|
|
- scheduler
|
|
- 调度器参数至关重要，因为它控制采样过程，包括去噪过程，这直接影响sigma的计算，通过改变采样数据中的噪声水平。
|
|
- Comfy dtype: COMBO[comfy.samplers.KSampler.SCHEDULERS]
|
|
- Python dtype: str
|
|
- steps
|
|
- 步骤参数定义了计算sigma值的迭代范围，影响噪声分析的全面性。
|
|
- Comfy dtype: INT
|
|
- Python dtype: int
|
|
- start_at_step
|
|
- 该参数指定了sigma计算的起始点，确定了噪声分析的初始状态及其在指定步骤中的演变。
|
|
- Comfy dtype: INT
|
|
- Python dtype: int
|
|
- end_at_step
|
|
- 结束步骤参数设置了sigma计算的终点，影响了噪声分析的最终状态以及在步骤范围内sigma的整体变化。
|
|
- Comfy dtype: INT
|
|
- Python dtype: int
|
|
|
|
# Output types
|
|
- sigma
|
|
- 输出的sigma值代表了在指定步骤范围内噪声特性的变化，提供了模型在噪声减少和信号清晰度方面的性能度量。
|
|
- Comfy dtype: FLOAT
|
|
- Python dtype: float
|
|
|
|
# Usage tips
|
|
- Infra type: GPU
|
|
|
|
# Source code
|
|
```
|
|
class GetSigma:
|
|
|
|
@classmethod
|
|
def INPUT_TYPES(s):
|
|
return {'required': {'model': ('MODEL',), 'sampler_name': (comfy.samplers.KSampler.SAMPLERS,), 'scheduler': (comfy.samplers.KSampler.SCHEDULERS,), 'steps': ('INT', {'default': 10000, 'min': 0, 'max': 10000}), 'start_at_step': ('INT', {'default': 0, 'min': 0, 'max': 10000}), 'end_at_step': ('INT', {'default': 10000, 'min': 1, 'max': 10000})}}
|
|
RETURN_TYPES = ('FLOAT',)
|
|
FUNCTION = 'calc_sigma'
|
|
CATEGORY = 'latent/noise'
|
|
|
|
def calc_sigma(self, model, sampler_name, scheduler, steps, start_at_step, end_at_step):
|
|
device = comfy.model_management.get_torch_device()
|
|
end_at_step = min(steps, end_at_step)
|
|
start_at_step = min(start_at_step, end_at_step)
|
|
real_model = None
|
|
comfy.model_management.load_model_gpu(model)
|
|
real_model = model.model
|
|
sampler = comfy.samplers.KSampler(real_model, steps=steps, device=device, sampler=sampler_name, scheduler=scheduler, denoise=1.0, model_options=model.model_options)
|
|
sigmas = sampler.sigmas
|
|
sigma = sigmas[start_at_step] - sigmas[end_at_step]
|
|
sigma /= model.model.latent_format.scale_factor
|
|
return (sigma.cpu().numpy(),)
|
|
``` |