107 lines
5.4 KiB
Markdown
107 lines
5.4 KiB
Markdown
# Documentation
|
|
- Class name: WAS_Cache
|
|
- Category: WAS Suite/IO
|
|
- Output node: True
|
|
- Repo Ref: https://github.com/WASasquatch/was-node-suite-comfyui
|
|
|
|
WAS_Cache节点旨在为WAS套件高效地管理和存储输入数据。它缓存潜在向量、图像和条件数据，确保数据在后续处理阶段随时可用。该节点通过减少重新计算或重新获取数据的需求，在优化工作流程中发挥着关键作用，从而提高系统的整体性能。
|
|
|
|
# Input types
|
|
## Required
|
|
- latent_suffix
|
|
- latent_suffix参数用于定义缓存的潜在向量的文件名后缀。这对于区分不同的潜在向量集至关重要，对于节点管理和检索正确数据的能力非常关键。
|
|
- Comfy dtype: STRING
|
|
- Python dtype: str
|
|
- image_suffix
|
|
- image_suffix参数指定缓存图像的文件名后缀。这个后缀对于节点在需要时正确识别和访问图像数据至关重要，有助于有组织地处理视觉信息。
|
|
- Comfy dtype: STRING
|
|
- Python dtype: str
|
|
- conditioning_suffix
|
|
- conditioning_suffix参数应用于缓存条件数据的文件名后缀。它是节点组织和维护条件信息访问策略的关键要素，对于工作流程中的后续步骤至关重要。
|
|
- Comfy dtype: STRING
|
|
- Python dtype: str
|
|
## Optional
|
|
- output_path
|
|
- output_path参数决定了缓存数据将被存储的目录。它在选择存储位置方面提供了灵活性，对节点的操作非常重要，特别是在数据需要存储在特定目录以进行进一步处理的场景中。
|
|
- Comfy dtype: STRING
|
|
- Python dtype: str
|
|
- latent
|
|
- latent参数表示要缓存的潜在向量。它是节点的重要输入，因为它直接影响将要存储并在工作流程的后续阶段中使用的数据。
|
|
- Comfy dtype: LATENT
|
|
- Python dtype: torch.Tensor
|
|
- image
|
|
- image参数包含节点预期要缓存的图像数据。它是一个关键输入，因为它涉及到需要在系统内保留以备将来使用的视觉内容。
|
|
- Comfy dtype: IMAGE
|
|
- Python dtype: PIL.Image.Image
|
|
- conditioning
|
|
- conditioning参数负责提供要缓存的条件数据。这些数据对于指导生成过程至关重要，是节点功能的重要输入。
|
|
- Comfy dtype: CONDITIONING
|
|
- Python dtype: torch.Tensor
|
|
|
|
# Output types
|
|
- latent_filename
|
|
- latent_filename输出提供了缓存的潜在向量的文件名。这很重要，因为它允许在需要时轻松引用和检索潜在数据。
|
|
- Comfy dtype: STRING
|
|
- Python dtype: str
|
|
- image_filename
|
|
- image_filename输出表示缓存的图像数据的文件名。这是一个重要的信息片段，它便于在后续操作中访问和使用图像内容。
|
|
- Comfy dtype: STRING
|
|
- Python dtype: str
|
|
- conditioning_filename
|
|
- conditioning_filename输出指示缓存的条件数据的文件名。这个输出对于系统在生成过程中正确定位和使用条件信息至关重要。
|
|
- Comfy dtype: STRING
|
|
- Python dtype: str
|
|
|
|
# Usage tips
|
|
- Infra type: CPU
|
|
|
|
# Source code
|
|
```
|
|
class WAS_Cache:
|
|
|
|
def __init__(self):
|
|
pass
|
|
|
|
@classmethod
|
|
def INPUT_TYPES(cls):
|
|
return {'required': {'latent_suffix': ('STRING', {'default': str(random.randint(999999, 99999999)) + '_cache', 'multiline': False}), 'image_suffix': ('STRING', {'default': str(random.randint(999999, 99999999)) + '_cache', 'multiline': False}), 'conditioning_suffix': ('STRING', {'default': str(random.randint(999999, 99999999)) + '_cache', 'multiline': False})}, 'optional': {'output_path': ('STRING', {'default': os.path.join(WAS_SUITE_ROOT, 'cache'), 'multiline': False}), 'latent': ('LATENT',), 'image': ('IMAGE',), 'conditioning': ('CONDITIONING',)}}
|
|
RETURN_TYPES = (TEXT_TYPE, TEXT_TYPE, TEXT_TYPE)
|
|
RETURN_NAMES = ('latent_filename', 'image_filename', 'conditioning_filename')
|
|
FUNCTION = 'cache_input'
|
|
OUTPUT_NODE = True
|
|
CATEGORY = 'WAS Suite/IO'
|
|
|
|
def cache_input(self, latent_suffix='_cache', image_suffix='_cache', conditioning_suffix='_cache', output_path=None, latent=None, image=None, conditioning=None):
|
|
if 'joblib' not in packages():
|
|
install_package('joblib')
|
|
import joblib
|
|
output = os.path.join(WAS_SUITE_ROOT, 'cache')
|
|
if output_path:
|
|
if output_path.strip() not in ['', 'none', 'None']:
|
|
output = output_path
|
|
if not os.path.isabs(output):
|
|
output = os.path.abspath(output)
|
|
if not os.path.exists(output):
|
|
os.makedirs(output, exist_ok=True)
|
|
l_filename = ''
|
|
i_filename = ''
|
|
c_filename = ''
|
|
tokens = TextTokens()
|
|
output = tokens.parseTokens(output)
|
|
if latent != None:
|
|
l_filename = f'{tokens.parseTokens(latent_suffix)}.latent'
|
|
out_file = os.path.join(output, l_filename)
|
|
joblib.dump(latent, out_file)
|
|
cstr(f'Latent saved to: {out_file}').msg.print()
|
|
if image != None:
|
|
i_filename = f'{tokens.parseTokens(image_suffix)}.image'
|
|
out_file = os.path.join(output, i_filename)
|
|
joblib.dump(image, out_file)
|
|
cstr(f'Tensor batch saved to: {out_file}').msg.print()
|
|
if conditioning != None:
|
|
c_filename = f'{tokens.parseTokens(conditioning_suffix)}.conditioning'
|
|
out_file = os.path.join(output, c_filename)
|
|
joblib.dump(conditioning, os.path.join(output, out_file))
|
|
cstr(f'Conditioning saved to: {out_file}').msg.print()
|
|
return (l_filename, i_filename, c_filename)
|
|
``` |