59 lines
2.4 KiB
Markdown
59 lines
2.4 KiB
Markdown
# Documentation
|
|
- Class name: IterativeMixingScheduler
|
|
- Category: sampling/custom_sampling/schedulers
|
|
- Output node: False
|
|
- Repo Ref: https://github.com/ttulttul/ComfyUI-Iterative-Mixer
|
|
|
|
迭代混合调度器节点旨在生成一系列噪声水平，即sigmas，这些在从模型采样的迭代混合过程中使用。它利用调度器控制噪声水平的进展，并且能够根据去噪参数调整步数，以微调采样过程。
|
|
|
|
# Input types
|
|
## Required
|
|
- model
|
|
- 模型参数至关重要，因为它代表了从中抽取样本的生成模型。它是决定采样过程底层结构和能力的基石组件。
|
|
- Comfy dtype: MODEL
|
|
- Python dtype: comfy.model_management.Model
|
|
- scheduler
|
|
- 调度器参数定义了在采样过程中调整噪声水平的策略。它在确定生成样本的质量和收敛性方面起着重要作用。
|
|
- Comfy dtype: SCHEDULER_NAMES
|
|
- Python dtype: str
|
|
- steps
|
|
- 步数参数指定了采样过程中的迭代次数。它直接影响噪声水平的粒度，进而影响最终样本的细节和准确性。
|
|
- Comfy dtype: INT
|
|
- Python dtype: int
|
|
- denoise
|
|
- 去噪参数通过调整去除噪声的速率，允许对采样过程进行微调。它可能显著影响生成样本的清晰度和细节。
|
|
- Comfy dtype: FLOAT
|
|
- Python dtype: float
|
|
|
|
# Output types
|
|
- sigmas
|
|
- sigmas输出提供了指导迭代采样过程的计算出的噪声水平序列。这是一个关键的输出，直接影响最终样本的生成。
|
|
- Comfy dtype: SIGMAS
|
|
- Python dtype: torch.Tensor
|
|
|
|
# Usage tips
|
|
- Infra type: CPU
|
|
|
|
# Source code
|
|
```
|
|
class IterativeMixingScheduler:
|
|
|
|
@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'
|
|
|
|
@torch.no_grad()
|
|
def get_sigmas(self, model, scheduler, steps, denoise):
|
|
sigmas = None
|
|
cs = comfy.samplers.calculate_sigmas_scheduler
|
|
if denoise is None or denoise > 0.9999:
|
|
sigmas = cs(model.model, scheduler, steps).cpu()
|
|
else:
|
|
new_steps = int(steps / denoise)
|
|
sigmas = cs(model.model, scheduler, new_steps).cpu()
|
|
sigmas = sigmas[-(steps + 1):]
|
|
return (sigmas,)
|
|
``` |