53 lines
1.6 KiB
Markdown
53 lines
1.6 KiB
Markdown
|
|
# Documentation
|
|
- Class name: RemoveControlNet __Inspire
|
|
- Category: InspirePack/Util
|
|
- Output node: False
|
|
|
|
该节点旨在从给定数据集中的区域提示中移除控制网络。它遍历每个区域提示，提取正面和负面条件文本，应用一个过程来从这些文本中移除控制网络，然后使用更新后的条件重新组装提示。其目的是清除数据集中特定控制网络的影响，使其适合进一步处理或分析。
|
|
|
|
# Input types
|
|
## Required
|
|
- conditioning
|
|
- 需要从中移除控制网络影响的条件数据。此过程旨在净化条件以供后续使用，确保其不包含特定的控制网络属性。
|
|
- Comfy dtype: CONDITIONING
|
|
- Python dtype: List[Tuple[str, Dict]]
|
|
|
|
# Output types
|
|
- conditioning
|
|
- 已移除控制网络的条件数据。此输出已经过净化，不再包含先前指定的控制网络影响，可以用于进一步处理。
|
|
- Comfy dtype: CONDITIONING
|
|
- Python dtype: List[Tuple[str, Dict]]
|
|
|
|
|
|
## Usage tips
|
|
- Infra type: `CPU`
|
|
- Common nodes: unknown
|
|
|
|
|
|
## Source code
|
|
```python
|
|
class RemoveControlNet:
|
|
@classmethod
|
|
def INPUT_TYPES(s):
|
|
return {"required": {"conditioning": ("CONDITIONING", )}}
|
|
RETURN_TYPES = ("CONDITIONING",)
|
|
FUNCTION = "doit"
|
|
|
|
CATEGORY = "InspirePack/Util"
|
|
|
|
def doit(self, conditioning):
|
|
c = []
|
|
for t in conditioning:
|
|
n = [t[0], t[1].copy()]
|
|
|
|
if 'control' in n[1]:
|
|
del n[1]['control']
|
|
if 'control_apply_to_uncond' in n[1]:
|
|
del n[1]['control_apply_to_uncond']
|
|
c.append(n)
|
|
|
|
return (c, )
|
|
|
|
```
|