43 lines
1.8 KiB
Markdown
43 lines
1.8 KiB
Markdown
# Documentation
|
|
- Class name: LCMScheduler
|
|
- Category: sampling/custom_sampling/schedulers
|
|
- Output node: False
|
|
- Repo Ref: https://github.com/jojkaart/ComfyUI-sampler-lcm-alternative
|
|
|
|
LCMScheduler节点旨在为扩散模型生成一系列sigma值的调度计划。它通过利用指定的模型，根据均匀调度计算sigma值，这对控制采样步骤中的方差至关重要。该节点抽象了底层计算的复杂性，提供了一个简单的接口，用于获取适合扩散过程的sigma值。
|
|
|
|
# Input types
|
|
## Required
|
|
- model
|
|
- 模型参数至关重要，因为它代表了调度器将用于计算sigma值的扩散模型。这是一个强制性输入，直接影响生成的sigma调度计划，这对于扩散过程中的后续步骤至关重要。
|
|
- Comfy dtype: MODEL
|
|
- Python dtype: torch.nn.Module
|
|
- steps
|
|
- 步骤参数决定了调度器计算的sigma值的数量。虽然它是可选的，但它显著影响sigma调度的粒度，进而影响扩散采样过程的质量和收敛性。
|
|
- Comfy dtype: INT
|
|
- Python dtype: int
|
|
|
|
# Output types
|
|
- sigmas
|
|
- sigmas输出是由调度器生成的一系列sigma值，这些值对于扩散采样过程至关重要。每个sigma值对应于采样中的一个特定步骤，指导在该步骤添加或移除的噪声的方差。
|
|
- Comfy dtype: SIGMAS
|
|
- Python dtype: torch.Tensor
|
|
|
|
# Usage tips
|
|
- Infra type: CPU
|
|
|
|
# Source code
|
|
```
|
|
class LCMScheduler:
|
|
|
|
@classmethod
|
|
def INPUT_TYPES(s):
|
|
return {'required': {'model': ('MODEL',), 'steps': ('INT', {'default': 8, 'min': 1, 'max': 10000})}}
|
|
RETURN_TYPES = ('SIGMAS',)
|
|
CATEGORY = 'sampling/custom_sampling/schedulers'
|
|
FUNCTION = 'get_sigmas'
|
|
|
|
def get_sigmas(self, model, steps):
|
|
sigmas = comfy.samplers.calculate_sigmas_scheduler(model.model, 'sgm_uniform', steps).cpu()
|
|
return (sigmas,)
|
|
``` |