58 lines
2.3 KiB
Markdown
58 lines
2.3 KiB
Markdown
# Documentation
|
|
- Class name: VAEEncodeTiled_TiledDiffusion
|
|
- Category: _for_testing
|
|
- Output node: False
|
|
- Repo Ref: https://github.com/shiimizu/ComfyUI-TiledDiffusion
|
|
|
|
该节点封装了以平铺方式编码和扩散数据的过程，优化了内存使用和处理效率。它旨在通过将输入分割成可管理的平铺块来处理大规模数据转换，从而促进高效的计算和资源分配。
|
|
|
|
# Input types
|
|
## Required
|
|
- pixels
|
|
- 输入的图像数据对于编码和扩散过程至关重要，因为它提供了节点执行转换的原始材料。没有这个输入，节点无法生成潜在表示。
|
|
- Comfy dtype: IMAGE
|
|
- Python dtype: torch.Tensor
|
|
- vae
|
|
- VAE模型是编码过程的核心，负责将输入数据转换到潜在空间，然后用于进一步的扩散。
|
|
- Comfy dtype: VAE
|
|
- Python dtype: torch.nn.Module
|
|
- tile_size
|
|
- 平铺大小参数决定了输入数据划分的粒度，直接影响编码和扩散过程的效率。必须谨慎选择，以平衡计算资源和内存使用。
|
|
- Comfy dtype: INT
|
|
- Python dtype: int
|
|
## Optional
|
|
- fast
|
|
- 当启用快速参数时，允许节点执行某些优化，从而加快编码和扩散过程，尽管可能会有质量上的权衡。
|
|
- Comfy dtype: BOOLEAN
|
|
- Python dtype: bool
|
|
- color_fix
|
|
- 当激活此参数时，对输入数据应用颜色校正步骤，确保潜在空间表示更加稳健，不易产生伪影。
|
|
- Comfy dtype: BOOLEAN
|
|
- Python dtype: bool
|
|
|
|
# Output types
|
|
- latent
|
|
- 输出的潜在表示是输入数据的压缩版本，捕捉了低维空间中的基本特征和结构。它是后续扩散步骤的关键组成部分。
|
|
- Comfy dtype: LATENT
|
|
- Python dtype: torch.Tensor
|
|
|
|
# Usage tips
|
|
- Infra type: GPU
|
|
|
|
# Source code
|
|
```
|
|
class VAEEncodeTiled_TiledDiffusion(TiledVAE):
|
|
|
|
@classmethod
|
|
def INPUT_TYPES(s):
|
|
fast = True
|
|
tile_size = get_rcmd_enc_tsize()
|
|
return {'required': {'pixels': ('IMAGE',), 'vae': ('VAE',), 'tile_size': ('INT', {'default': tile_size, 'min': 256, 'max': 4096, 'step': 16}), 'fast': ('BOOLEAN', {'default': fast}), 'color_fix': ('BOOLEAN', {'default': fast})}}
|
|
RETURN_TYPES = ('LATENT',)
|
|
FUNCTION = 'process'
|
|
CATEGORY = '_for_testing'
|
|
|
|
def __init__(self):
|
|
self.is_decoder = False
|
|
super().__init__()
|
|
``` |