74 lines
4.0 KiB
Markdown
74 lines
4.0 KiB
Markdown
# Documentation
|
|
- Class name: SeargeInput4
|
|
- Category: Searge/_deprecated_/UI/Inputs
|
|
- Output node: False
|
|
- Repo Ref: https://github.com/jobunk/SeargeSDXL.git
|
|
|
|
该节点作为多种模型输入的多路复用器，整合并组织它们以供进一步处理。它确保基于提供的设置选择适当的模型，简化了工作流程并提高了模型集成的效率。
|
|
|
|
# Input types
|
|
## Required
|
|
- base_model
|
|
- 基础模型是构成进一步改进和增强的基础神经网络架构。其选择至关重要，因为它直接影响输出的质量和适用性。
|
|
- Comfy dtype: COMBO[folder_paths.get_filename_list('checkpoints'),]
|
|
- Python dtype: List[str]
|
|
- refiner_model
|
|
- 细化模型是在基础模型之上的进阶版本，专注于提高模型性能的特定方面。其包含对于在结果中实现更高的准确性和细节至关重要。
|
|
- Comfy dtype: COMBO[folder_paths.get_filename_list('checkpoints'),]
|
|
- Python dtype: List[str]
|
|
- vae_model
|
|
- VAE（变分自编码器）模型用于降维和生成与输入数据相似的新数据点。其在创建压缩表示和促进新数据生成方面的作用至关重要。
|
|
- Comfy dtype: COMBO[folder_paths.get_filename_list('vae'),]
|
|
- Python dtype: List[str]
|
|
- main_upscale_model
|
|
- 主要放大模型负责提高输入数据的分辨率。它在提高输出的视觉质量和细节方面发挥着关键作用，确保放大的结果达到预期的标准。
|
|
- Comfy dtype: COMBO[folder_paths.get_filename_list('upscale_models'),]
|
|
- Python dtype: List[str]
|
|
- support_upscale_model
|
|
- 支持放大模型协助放大过程，为主放大模型提供额外支持。它的存在有助于放大过程的稳健性和可靠性，确保最终输出的质量。
|
|
- Comfy dtype: COMBO[folder_paths.get_filename_list('upscale_models'),]
|
|
- Python dtype: List[str]
|
|
- lora_model
|
|
- LoRA（低秩适应）模型用于有效适应预训练模型到新任务或数据。它在实现模型使用的适应性和灵活性方面发挥着重要作用，允许在多样化数据集上获得更好的性能。
|
|
- Comfy dtype: COMBO[folder_paths.get_filename_list('loras'),]
|
|
- Python dtype: List[str]
|
|
## Optional
|
|
- model_settings
|
|
- 模型设置是可选的配置，可用于根据特定要求或偏好定制模型的行为，而无需更改基础模型本身。
|
|
- Comfy dtype: Dict[str, str]
|
|
- Python dtype: Optional[Dict[str, str]]
|
|
|
|
# Output types
|
|
- model_names
|
|
- 输出是一个模型名称的字典，它为工作流中不同目的选定的模型提供了结构化的概览。这种有组织的表示对于后续步骤正确利用适当的模型至关重要。
|
|
- Comfy dtype: Dict[str, str]
|
|
- Python dtype: Dict[str, str]
|
|
|
|
# Usage tips
|
|
- Infra type: CPU
|
|
|
|
# Source code
|
|
```
|
|
class SeargeInput4:
|
|
|
|
@classmethod
|
|
def INPUT_TYPES(s):
|
|
return {'required': {'base_model': (folder_paths.get_filename_list('checkpoints'),), 'refiner_model': (folder_paths.get_filename_list('checkpoints'),), 'vae_model': (folder_paths.get_filename_list('vae'),), 'main_upscale_model': (folder_paths.get_filename_list('upscale_models'),), 'support_upscale_model': (folder_paths.get_filename_list('upscale_models'),), 'lora_model': (folder_paths.get_filename_list('loras'),)}, 'optional': {'model_settings': ('MODEL_SETTINGS',)}}
|
|
RETURN_TYPES = ('MODEL_NAMES',)
|
|
RETURN_NAMES = ('model_names',)
|
|
FUNCTION = 'mux'
|
|
CATEGORY = 'Searge/_deprecated_/UI/Inputs'
|
|
|
|
def mux(self, base_model, refiner_model, vae_model, main_upscale_model, support_upscale_model, lora_model, model_settings=None):
|
|
if model_settings is None:
|
|
model_names = {}
|
|
else:
|
|
model_names = model_settings
|
|
model_names['base_model'] = base_model
|
|
model_names['refiner_model'] = refiner_model
|
|
model_names['vae_model'] = vae_model
|
|
model_names['main_upscale_model'] = main_upscale_model
|
|
model_names['support_upscale_model'] = support_upscale_model
|
|
model_names['lora_model'] = lora_model
|
|
return (model_names,)
|
|
``` |