80 lines
3.4 KiB
Markdown
80 lines
3.4 KiB
Markdown
# Documentation
|
|
- Class name: KfConditioningAddx10
|
|
- Category: CATEGORY
|
|
- Output node: False
|
|
- Repo Ref: https://github.com/dmarx/ComfyUI-Keyframed
|
|
|
|
该节点累积处理条件输入，通过聚合提供的输入来增强整体的条件数据。
|
|
|
|
# Input types
|
|
## Required
|
|
- cond_0
|
|
- 初始条件数据，对节点的操作至关重要。它为后续聚合设置了基线。
|
|
- Comfy dtype: CONDITIONING
|
|
- Python dtype: Dict[str, Any]
|
|
## Optional
|
|
- cond_1
|
|
- 一个可选的条件输入，它对输出的累积效应有所贡献。它与基础条件数据合并。
|
|
- Comfy dtype: CONDITIONING
|
|
- Python dtype: Dict[str, Any]
|
|
- cond_2
|
|
- 另一个额外的可选条件输入，进一步有助于节点操作的累积处理。
|
|
- Comfy dtype: CONDITIONING
|
|
- Python dtype: Dict[str, Any]
|
|
- cond_3
|
|
- 另一个可选的条件输入，被整合到累积输出中，增强了节点的整体功能。
|
|
- Comfy dtype: CONDITIONING
|
|
- Python dtype: Dict[str, Any]
|
|
- cond_4
|
|
- 这个可选的条件输入是累积数据流的一部分，影响节点的最终输出。
|
|
- Comfy dtype: CONDITIONING
|
|
- Python dtype: Dict[str, Any]
|
|
- cond_5
|
|
- 这个条件输入进一步细化了累积数据，在节点的综合处理中发挥作用。
|
|
- Comfy dtype: CONDITIONING
|
|
- Python dtype: Dict[str, Any]
|
|
- cond_6
|
|
- 一个可选输入，有助于节点的累积数据处理，影响输出的质量。
|
|
- Comfy dtype: CONDITIONING
|
|
- Python dtype: Dict[str, Any]
|
|
- cond_7
|
|
- 这个可选条件输入被整合到累积数据中，进一步增强了节点的处理能力。
|
|
- Comfy dtype: CONDITIONING
|
|
- Python dtype: Dict[str, Any]
|
|
- cond_8
|
|
- 这个条件输入有助于最终累积输出，影响节点的整体效果。
|
|
- Comfy dtype: CONDITIONING
|
|
- Python dtype: Dict[str, Any]
|
|
- cond_9
|
|
- 一个额外的可选条件输入，是累积数据的一部分，影响节点的最终输出。
|
|
- Comfy dtype: CONDITIONING
|
|
- Python dtype: Dict[str, Any]
|
|
|
|
# Output types
|
|
- cond_t_out
|
|
- 条件输入的累积结果，代表聚合和处理后的数据。
|
|
- Comfy dtype: CONDITIONING
|
|
- Python dtype: Tuple[Any, Dict[str, Any]]
|
|
|
|
# Usage tips
|
|
- Infra type: CPU
|
|
|
|
# Source code
|
|
```
|
|
class KfConditioningAddx10:
|
|
CATEGORY = CATEGORY
|
|
FUNCTION = 'main'
|
|
RETURN_TYPES = ('CONDITIONING',)
|
|
|
|
@classmethod
|
|
def INPUT_TYPES(s):
|
|
return {'required': {'cond_0': ('CONDITIONING', {'forceInput': True})}, 'optional': {'cond_1': ('CONDITIONING', {'forceInput': True, 'default': 0}), 'cond_2': ('CONDITIONING', {'forceInput': True, 'default': 0}), 'cond_3': ('CONDITIONING', {'forceInput': True, 'default': 0}), 'cond_4': ('CONDITIONING', {'forceInput': True, 'default': 0}), 'cond_5': ('CONDITIONING', {'forceInput': True, 'default': 0}), 'cond_6': ('CONDITIONING', {'forceInput': True, 'default': 0}), 'cond_7': ('CONDITIONING', {'forceInput': True, 'default': 0}), 'cond_8': ('CONDITIONING', {'forceInput': True, 'default': 0}), 'cond_9': ('CONDITIONING', {'forceInput': True, 'default': 0})}}
|
|
|
|
def main(self, cond_0, **kwargs):
|
|
((cond_t_out, cond_d_out),) = deepcopy(cond_0)
|
|
for ((cond_t, cond_d),) in kwargs.values():
|
|
(cond_t, cond_d) = (deepcopy(cond_t), deepcopy(cond_d))
|
|
cond_t_out = cond_t_out + cond_t
|
|
cond_d_out['pooled_output'] = cond_d_out['pooled_output'] + cond_d['pooled_output']
|
|
return [((cond_t_out, cond_d_out),)]
|
|
``` |