47 lines
2.0 KiB
Markdown
47 lines
2.0 KiB
Markdown
# Documentation
|
|
- Class name: VAEDecodeTiled
|
|
- Category: _for_testing
|
|
- Output node: False
|
|
- Repo Ref: https://github.com/comfyanonymous/ComfyUI
|
|
|
|
VAEDecodeTiled节点旨在使用变分自编码器（VAE）模型将潜在表示解码成图像。它以平铺的方式执行此解码，这对于处理大图像或计算资源有限时非常有益。节点的主要目标是提供一种方法，以内存高效和可扩展的方式从潜在代码生成图像。
|
|
|
|
# Input types
|
|
## Required
|
|
- samples
|
|
- 'samplse'参数至关重要，因为它包含节点将解码成图像的潜在表示。这是一个必需的输入，直接影响节点的输出，决定了生成图像的特征。
|
|
- Comfy dtype: LATENT
|
|
- Python dtype: torch.Tensor
|
|
- vae
|
|
- 'vae'参数指定了节点将用于解码潜在表示的变分自编码器模型。这个参数是必要的，因为它决定了模型的架构和参数，进而影响解码图像的质量和风格。
|
|
- Comfy dtype: VAE
|
|
- Python dtype: AutoencoderKL
|
|
## Optional
|
|
- tile_size
|
|
- 'tile_size'参数决定了图像在解码时将被划分为多大尺寸的平铺。它是一个可选输入，可以根据内存使用和处理时间进行调整，以便更灵活地处理不同尺寸的图像。
|
|
- Comfy dtype: INT
|
|
- Python dtype: int
|
|
|
|
# Output types
|
|
- output
|
|
- 'output'参数代表节点生成的解码图像。它是节点执行的主要结果，具有重要意义，因为它反映了解码过程的结果。
|
|
- Comfy dtype: IMAGE
|
|
- Python dtype: torch.Tensor
|
|
|
|
# Usage tips
|
|
- Infra type: GPU
|
|
|
|
# Source code
|
|
```
|
|
class VAEDecodeTiled:
|
|
|
|
@classmethod
|
|
def INPUT_TYPES(s):
|
|
return {'required': {'samples': ('LATENT',), 'vae': ('VAE',), 'tile_size': ('INT', {'default': 512, 'min': 320, 'max': 4096, 'step': 64})}}
|
|
RETURN_TYPES = ('IMAGE',)
|
|
FUNCTION = 'decode'
|
|
CATEGORY = '_for_testing'
|
|
|
|
def decode(self, vae, samples, tile_size):
|
|
return (vae.decode_tiled(samples['samples'], tile_x=tile_size // 8, tile_y=tile_size // 8),)
|
|
``` |