64 lines
3.0 KiB
Markdown
64 lines
3.0 KiB
Markdown
# Documentation
|
|
- Class name: KSamplerProvider
|
|
- Category: ImpactPack/Sampler
|
|
- Output node: False
|
|
- Repo Ref: https://github.com/ltdrdata/ComfyUI-Impact-Pack.git
|
|
|
|
KSamplerProvider节点旨在方便创建和配置KSampler，这是生成模型中使用的一种采样方法。它封装了使用各种参数（如种子、步骤和配置）初始化采样器的过程，从而允许从模型生成高质量的样本。
|
|
|
|
# Input types
|
|
## Required
|
|
- seed
|
|
- 种子参数对于采样过程的可重复性至关重要。它确保相同的种子始终产生相同的样本，是控制采样随机性的关键要素。
|
|
- Comfy dtype: INT
|
|
- Python dtype: int
|
|
- steps
|
|
- 步骤参数定义了采样过程将经历的迭代次数。更多的步骤可以产生更高质量的样本，但也可能增加计算时间。
|
|
- Comfy dtype: INT
|
|
- Python dtype: int
|
|
- cfg
|
|
- cfg参数，代表配置，用于调整采样过程的设置。它可以影响生成样本的质量和特性。
|
|
- Comfy dtype: FLOAT
|
|
- Python dtype: float
|
|
- sampler_name
|
|
- sampler_name参数指定了采样过程中要使用的采样器类型。不同的采样器可以产生不同的结果，因此这个参数对于实现期望的结果至关重要。
|
|
- Comfy dtype: STRING
|
|
- Python dtype: str
|
|
- scheduler
|
|
- 调度器参数决定了采样过程中将应用的调度算法。它在采样的效率和效果中起着重要作用。
|
|
- Comfy dtype: STRING
|
|
- Python dtype: str
|
|
- denoise
|
|
- 去噪参数控制采样过程中应用的噪声降低水平。它是实现样本质量和噪声之间平衡的重要因素。
|
|
- Comfy dtype: FLOAT
|
|
- Python dtype: float
|
|
- basic_pipe
|
|
- basic_pipe参数是一个包含模型和采样过程所需额外数据的复杂结构。它对KSamplerProvider节点的功能至关重要。
|
|
- Comfy dtype: BASIC_PIPE
|
|
- Python dtype: Tuple[torch.nn.Module, Any, Any, Any, Any]
|
|
|
|
# Output types
|
|
- KSAMPLER
|
|
- KSamplerProvider节点的输出是一个KSampler对象，用于模型生成样本。它代表了已配置的采样器，准备用于采样过程。
|
|
- Comfy dtype: KSAMPLER
|
|
- Python dtype: KSamplerWrapper
|
|
|
|
# Usage tips
|
|
- Infra type: GPU
|
|
|
|
# Source code
|
|
```
|
|
class KSamplerProvider:
|
|
|
|
@classmethod
|
|
def INPUT_TYPES(s):
|
|
return {'required': {'seed': ('INT', {'default': 0, 'min': 0, 'max': 18446744073709551615}), 'steps': ('INT', {'default': 20, 'min': 1, 'max': 10000}), 'cfg': ('FLOAT', {'default': 8.0, 'min': 0.0, 'max': 100.0}), 'sampler_name': (comfy.samplers.KSampler.SAMPLERS,), 'scheduler': (comfy.samplers.KSampler.SCHEDULERS,), 'denoise': ('FLOAT', {'default': 1.0, 'min': 0.0, 'max': 1.0, 'step': 0.01}), 'basic_pipe': ('BASIC_PIPE',)}}
|
|
RETURN_TYPES = ('KSAMPLER',)
|
|
FUNCTION = 'doit'
|
|
CATEGORY = 'ImpactPack/Sampler'
|
|
|
|
def doit(self, seed, steps, cfg, sampler_name, scheduler, denoise, basic_pipe):
|
|
(model, _, _, positive, negative) = basic_pipe
|
|
sampler = KSamplerWrapper(model, seed, steps, cfg, sampler_name, scheduler, positive, negative, denoise)
|
|
return (sampler,)
|
|
``` |