s_noise 充当模型训练噪声尺度的乘数,噪声水平可以从第一步到最后一步变化。随后,可以将配置好的采样器接入采样工作流。
输入
输出
本文档由 AI 生成。如果您发现任何错误或有改进建议,欢迎贡献! 在 GitHub 上编辑
Source fingerprint (SHA-256):
0d18f2f977ddadeedcd7807233b48ebcc4e94c6213f8540b9037a45a9c70c6cfDocumentation Index
Fetch the complete documentation index at: /llms.txt
Use this file to discover all available pages before exploring further.
此节点提供带有可调节每步噪声的 LCM(Latent Consistency Model)采样器。
s_noise 充当模型训练噪声尺度的乘数,噪声水平可以从第一步到最后一步变化。随后,可以将配置好的采样器接入采样工作流。
| 参数 | 描述 | 数据类型 | 必需 | 范围 |
|---|---|---|---|---|
s_noise | 第一步的每步噪声乘数(1.0 = 匹配训练)。默认值:1.0。 | FLOAT | 是 | 0.0 到 64.0 (步长:0.01) |
s_noise_end | 最后一步的每步噪声乘数。将其设置为与 s_noise 相等,以获得恒定调度。默认值:1.0。 | FLOAT | 是 | 0.0 到 64.0 (步长:0.01) |
noise_clip_std | 将每步噪声钳制到 +/- N*std。0 表示禁用。默认值:0.0。 | FLOAT | 是 | 0.0 到 10.0 (步长:0.01) |
| 输出名称 | 描述 | 数据类型 |
|---|---|---|
SAMPLER | 配置好的 LCM 采样器对象,可在采样工作流中使用。 | SAMPLER |
本文档由 AI 生成。如果您发现任何错误或有改进建议,欢迎贡献! 在 GitHub 上编辑
0d18f2f977ddadeedcd7807233b48ebcc4e94c6213f8540b9037a45a9c70c6cf