57 lines
2.3 KiB
Markdown
57 lines
2.3 KiB
Markdown
# Documentation
|
|
- Class name: BasicScheduler
|
|
- Category: sampling/custom_sampling/schedulers
|
|
- Output node: False
|
|
- Repo Ref: https://github.com/comfyanonymous/ComfyUI
|
|
|
|
BasicScheduler节点旨在管理和计算生成图像的扩散过程中使用的sigma值的时间表。它抽象地处理确定每个步骤适当sigmas的复杂性，确保平滑且连贯的采样过程。
|
|
|
|
# Input types
|
|
## Required
|
|
- model
|
|
- 模型参数至关重要，因为它代表了用于采样的基础模型。它影响调度器如何计算sigmas，并且对节点的执行至关重要。
|
|
- Comfy dtype: MODEL
|
|
- Python dtype: torch.nn.Module
|
|
- scheduler
|
|
- 调度器参数定义了用于sigma计算的计划类型。它是采样过程中的关键决定因素，直接影响输出的sigmas。
|
|
- Comfy dtype: STRING
|
|
- Python dtype: str
|
|
- steps
|
|
- 步骤参数指定采样过程中要采取的步骤数量。它是控制采样粒度的重要组成部分，影响生成图像的质量。
|
|
- Comfy dtype: INT
|
|
- Python dtype: int
|
|
- denoise
|
|
- 去噪参数调整采样过程中应用的噪声减少水平。它通过影响输出的清晰度和细节，在最终图像质量中起着重要作用。
|
|
- Comfy dtype: FLOAT
|
|
- Python dtype: float
|
|
|
|
# Output types
|
|
- sigmas
|
|
- sigmas输出提供了采样过程中每个步骤的计算时间表sigma值。这些值对于扩散过程至关重要，直接影响最终图像的质量。
|
|
- Comfy dtype: FLOAT[1]
|
|
- Python dtype: torch.Tensor
|
|
|
|
# Usage tips
|
|
- Infra type: CPU
|
|
|
|
# Source code
|
|
```
|
|
class BasicScheduler:
|
|
|
|
@classmethod
|
|
def INPUT_TYPES(s):
|
|
return {'required': {'model': ('MODEL',), 'scheduler': (comfy.samplers.SCHEDULER_NAMES,), 'steps': ('INT', {'default': 20, 'min': 1, 'max': 10000}), 'denoise': ('FLOAT', {'default': 1.0, 'min': 0.0, 'max': 1.0, 'step': 0.01})}}
|
|
RETURN_TYPES = ('SIGMAS',)
|
|
CATEGORY = 'sampling/custom_sampling/schedulers'
|
|
FUNCTION = 'get_sigmas'
|
|
|
|
def get_sigmas(self, model, scheduler, steps, denoise):
|
|
total_steps = steps
|
|
if denoise < 1.0:
|
|
if denoise <= 0.0:
|
|
return (torch.FloatTensor([]),)
|
|
total_steps = int(steps / denoise)
|
|
sigmas = comfy.samplers.calculate_sigmas(model.get_model_object('model_sampling'), scheduler, total_steps).cpu()
|
|
sigmas = sigmas[-(steps + 1):]
|
|
return (sigmas,)
|
|
``` |