78 lines
3.1 KiB
Markdown
78 lines
3.1 KiB
Markdown
|
|
# Documentation
|
|
- Class name: GetSigma
|
|
- Category: latent/noise
|
|
- Output node: False
|
|
|
|
GetSigma节点旨在根据给定的模型、采样器、调度器和步骤参数计算特定的sigma值。它简化了与不同采样器和调度器交互的复杂性，为获取sigma值提供了一种简单直接的方法。这个sigma值对于控制生成模型中的噪声水平至关重要。
|
|
|
|
# Input types
|
|
## Required
|
|
- model
|
|
- model参数指定用于sigma计算的生成模型。它对于根据模型的特性和配置确定适当的噪声水平至关重要。
|
|
- Comfy dtype: MODEL
|
|
- Python dtype: comfy.model_management.Model
|
|
- sampler_name
|
|
- sampler_name参数标识要使用的特定采样策略。这个选择影响sigma值的计算和应用方式，将噪声注入过程调整为所选采样器的方法。
|
|
- Comfy dtype: COMBO[STRING]
|
|
- Python dtype: str
|
|
- scheduler
|
|
- scheduler参数决定了在生成过程中调整噪声水平的调度算法。它在微调指定步骤中sigma值的变化过程中起着关键作用。
|
|
- Comfy dtype: COMBO[STRING]
|
|
- Python dtype: str
|
|
- steps
|
|
- 指定sigma计算要考虑的总步数。它定义了评估起始步骤和结束步骤的范围，影响最终的sigma值。
|
|
- Comfy dtype: INT
|
|
- Python dtype: int
|
|
- start_at_step
|
|
- 开始计算sigma的起始步骤。这个参数允许灵活地确定初始噪声水平，影响生成过程的早期阶段。
|
|
- Comfy dtype: INT
|
|
- Python dtype: int
|
|
- end_at_step
|
|
- 停止计算sigma的结束步骤。它设置了噪声调整的最终点，影响生成模型输出的结果。
|
|
- Comfy dtype: INT
|
|
- Python dtype: int
|
|
|
|
# Output types
|
|
- float
|
|
- 返回计算得到的sigma值，这是要应用的噪声水平的度量。这个值对于控制生成过程的保真度和多样性至关重要。
|
|
- Comfy dtype: FLOAT
|
|
- Python dtype: float
|
|
|
|
|
|
## Usage tips
|
|
- Infra type: `GPU`
|
|
- Common nodes: unknown
|
|
|
|
|
|
## Source code
|
|
```python
|
|
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)
|
|
sampler = comfy.samplers.KSampler(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(),)
|
|
|
|
```
|