63 lines
2.7 KiB
Markdown
63 lines
2.7 KiB
Markdown
# Documentation
|
||
- Class name: ControlNetApply
|
||
- Category: conditioning
|
||
- Output node: False
|
||
- Repo Ref: https://github.com/comfyanonymous/ComfyUI
|
||
|
||
ControlNetApply 类中的 'apply_controlnet' 方法旨在将控制信号集成到神经网络的处理流程中。它接收条件数据、控制网络、图像和一个强度参数，以调节控制网络对图像的影响。该方法的目的是使用控制网络的指导增强图像，确保输出的条件反映了基于指定强度的预期调整。
|
||
|
||
# Input types
|
||
## Required
|
||
- conditioning
|
||
- ‘conditioning’参数对于节点的操作至关重要，因为它为控制网络提供了应用其修改的初始状态或上下文。这是一个关键的输入，它直接影响图像处理的结果。
|
||
- Comfy dtype: CONDITIONING
|
||
- Python dtype: torch.Tensor
|
||
- control_net
|
||
- ‘control_net’参数定义了将用于指导对图像进行修改的网络。它是一个必需的输入，在形成节点处理的最终输出中起着核心作用。
|
||
- Comfy dtype: CONTROL_NET
|
||
- Python dtype: torch.nn.Module
|
||
- image
|
||
- ‘image’参数是控制网络修改的对象。它代表了将根据提供的控制信号进行增强或更改的数据。
|
||
- Comfy dtype: IMAGE
|
||
- Python dtype: torch.Tensor
|
||
## Optional
|
||
- strength
|
||
- ‘strength’参数调整控制网络对图像影响的强度。它是一个可选输入，允许微调应用于图像的修改程度。
|
||
- Comfy dtype: FLOAT
|
||
- Python dtype: float
|
||
|
||
# Output types
|
||
- conditioning
|
||
- 输出 'conditioning' 表示在应用控制网络的影响后的修改状态。它很重要，因为它携带了对原始图像数据所做的最终调整。
|
||
- Comfy dtype: CONDITIONING
|
||
- Python dtype: torch.Tensor
|
||
|
||
# Usage tips
|
||
- Infra type: GPU
|
||
|
||
# Source code
|
||
```
|
||
class ControlNetApply:
|
||
|
||
@classmethod
|
||
def INPUT_TYPES(s):
|
||
return {'required': {'conditioning': ('CONDITIONING',), 'control_net': ('CONTROL_NET',), 'image': ('IMAGE',), 'strength': ('FLOAT', {'default': 1.0, 'min': 0.0, 'max': 10.0, 'step': 0.01})}}
|
||
RETURN_TYPES = ('CONDITIONING',)
|
||
FUNCTION = 'apply_controlnet'
|
||
CATEGORY = 'conditioning'
|
||
|
||
def apply_controlnet(self, conditioning, control_net, image, strength):
|
||
if strength == 0:
|
||
return (conditioning,)
|
||
c = []
|
||
control_hint = image.movedim(-1, 1)
|
||
for t in conditioning:
|
||
n = [t[0], t[1].copy()]
|
||
c_net = control_net.copy().set_cond_hint(control_hint, strength)
|
||
if 'control' in t[1]:
|
||
c_net.set_previous_controlnet(t[1]['control'])
|
||
n[1]['control'] = c_net
|
||
n[1]['control_apply_to_uncond'] = True
|
||
c.append(n)
|
||
return (c,)
|
||
``` |