58 lines
2.5 KiB
Markdown
58 lines
2.5 KiB
Markdown
# Documentation
|
|
- Class name: MakeCircularVAE
|
|
- Category: latent
|
|
- Output node: False
|
|
- Repo Ref: https://github.com/spinagon/ComfyUI-seamless-tiling
|
|
|
|
MakeCircularVAE节点的`run`方法旨在修改变分自编码器（VAE）模型，以实现对卷积层的循环填充。这种调整允许模型处理具有周期性边界条件的数据，这对于具有固有循环对称性的数据特别有用。节点可以基于提供的平铺配置，将循环填充应用于x和y两个维度，或者选择性地应用于其中一个维度。
|
|
|
|
# Input types
|
|
## Required
|
|
- vae
|
|
- 'vae'参数是要被修改的变分自编码器模型。它是节点操作的核心组件，因为它决定了将接受循环填充转换的模型。
|
|
- Comfy dtype: VAE
|
|
- Python dtype: torch.nn.Module
|
|
- tiling
|
|
- 'tiling'参数决定如何将循环填充应用于VAE模型的卷积层。它控制是否将填充应用于两个维度，或者只应用于一个维度，对于模型处理周期性数据的能力至关重要。
|
|
- Comfy dtype: COMBO['enable', 'x_only', 'y_only', 'disable']
|
|
- Python dtype: str
|
|
- copy_vae
|
|
- 'copy_vae'参数决定是直接修改原始VAE模型还是首先创建模型的副本。这个选择可以影响内存使用和对模型所做的更改的范围。
|
|
- Comfy dtype: COMBO['Make a copy', 'Modify in place']
|
|
- Python dtype: str
|
|
|
|
# Output types
|
|
- VAE
|
|
- 节点的输出是已修改或复制的变分自编码器模型，其卷积层已应用循环填充，增强了其处理具有循环对称性数据的能力。
|
|
- Comfy dtype: VAE
|
|
- Python dtype: torch.nn.Module
|
|
|
|
# Usage tips
|
|
- Infra type: GPU
|
|
|
|
# Source code
|
|
```
|
|
class MakeCircularVAE:
|
|
|
|
@classmethod
|
|
def INPUT_TYPES(s):
|
|
return {'required': {'vae': ('VAE',), 'tiling': (['enable', 'x_only', 'y_only', 'disable'],), 'copy_vae': (['Make a copy', 'Modify in place'],)}}
|
|
RETURN_TYPES = ('VAE',)
|
|
FUNCTION = 'run'
|
|
CATEGORY = 'latent'
|
|
|
|
def run(self, vae, tiling, copy_vae):
|
|
if copy_vae == 'Modify in place':
|
|
vae_copy = vae
|
|
else:
|
|
vae_copy = copy.deepcopy(vae)
|
|
if tiling == 'enable':
|
|
make_circular_asymm(vae_copy.first_stage_model, True, True)
|
|
elif tiling == 'x_only':
|
|
make_circular_asymm(vae_copy.first_stage_model, True, False)
|
|
elif tiling == 'y_only':
|
|
make_circular_asymm(vae_copy.first_stage_model, False, True)
|
|
else:
|
|
make_circular_asymm(vae_copy.first_stage_model, False, False)
|
|
return (vae_copy,)
|
|
``` |