ComfyUI - 数据类型

这些是最重要的内置数据类型。你还可以定义自己的。

数据类型通过 INPUT_TYPES 中的 str 指定，COMBO 除外，它是 list[str]

数据类型在客户端使用，以防止工作流将错误形式的数据传递给节点 - 类似于强类型。
JavaScript 客户端代码通常不允许将不同数据类型的节点输出连接到输入，尽管下面有一些例外。

Comfy 的数据类型

COMBO

• INPUT_TYPES 中没有额外的参数
• Python 数据类型：定义为 list[str]，输出值为 str

表示下拉菜单小部件。
与其他数据类型不同，COMBO 不是通过 str 在 INPUT_TYPES 中指定的，而是通过一个 list[str]，对应下拉列表中的选项，默认选择第一个选项。

COMBO 输入通常在运行时动态生成。例如，在内置的 CheckpointLoaderSimple 节点中，你会发现

"ckpt_name": (folder_paths.get_filename_list("checkpoints"), )

或者它们可能只是一个固定的选项列表，

"play_sound": (["no","yes"], {}),

原始和重定向

原始和重定向节点仅存在于客户端。它们没有内在的数据类型，但当连接时，它们会采用所连接的输入或输出的数据类型（这也是为什么它们不能连接到 * 输入的原因……）

Python 数据类型

INT

• INPUT_TYPES 中的额外参数：
  • default 是必需的
  • min 和 max 是可选的
• Python 数据类型 int

FLOAT

• INPUT_TYPES中的附加参数：
  • default 是必需的
  • min, max, step 是可选的
• Python 数据类型 float

STRING

• INPUT_TYPES 中的附加参数：
  • default 是必需的
• Python 数据类型 str

张量数据类型

MASK, IMAGE 和 LATENT 都使用 torch.Tensor 类型，但它们的 shape 不同。
参见‘图像、潜变量和掩码’部分的讨论。

IMAGE

• INPUT_TYPES 中没有额外的参数
• Python 数据类型 torch.Tensor，shape 为 [B,H,W,C]

一批 B 张图像，高度 H，宽度 W，C 个通道（通常 C=3 对于 RGB）。

LATENT

• INPUT_TYPES 中没有额外的参数
• Python 数据类型 dict，包含一个 形状 [B,C,H,W] 的 torch.Tensor

传递的 dict 包含键 samples，它是一个 形状 [B,C,H,W] 的 torch.Tensor，代表一个包含 B 个潜在值的批次，C 个通道（对于现有的稳定扩散模型，通常 C=4），高度 H 和宽度 W。

高度和宽度是相应图像大小的 1/8（这是你在 Empty Latent Image 节点中设置的值）。

字典中的其他条目包含诸如潜在掩码之类的其他内容。

MASK

• INPUT_TYPES 中没有额外的参数
• Python 数据类型 torch.Tensor，具有 shape [H,W] 或 [B,C,H,W]

自定义采样数据类型

Noise

NOISE 数据类型表示一个 源（而不是实际的噪声本身）。它可以由任何提供 generate_noise(self, input_latent:Tensor) -> Tensor 方法的 Python 对象表示，该方法的签名包含一个属性，seed:Optional[int]。

seed 被传递到 SamplerCustomAdvanced 中的 sample 指引器，但似乎在所有标准指引器中都没有被使用。它是可选的，所以你通常可以将其设置为 None。
当需要添加噪声时，将潜在变量传递到该方法，该方法应返回一个形状相同且包含噪声的 Tensor。

查看 噪声混合示例

采样器 Sampler

SAMPLER 数据类型表示一个采样器，它是一个Python对象，提供了一个 sample 方法。
稳定扩散采样超出了本指南的范围；如果您想深入了解这部分代码，请参阅 comfy/samplers.py。

Sigmas

SIGMAS 数据类型表示采样过程中的每一步之前和之后的σ值，由调度器生成。
这表示为一个一维张量，长度为 steps+1，其中每个元素表示对应步骤之前预期的噪声，最终值表示最终步骤之后的噪声。

对于一个具有 20 步和 1 次去噪的 normal 调度器，SDXL 模型会产生：

tensor([14.6146, 10.7468,  8.0815,  6.2049,  4.8557,  
         3.8654,  3.1238,  2.5572,  2.1157,  1.7648,  
         1.4806,  1.2458,  1.0481,  0.8784,  0.7297,  
         0.5964,  0.4736,  0.3555,  0.2322,  0.0292,  0.0000])

sigma的起始值取决于模型，这就是为什么调度节点需要一个MODEL输入来生成SIGMAS输出

Guider

GUIDER是对去噪过程的泛化，即通过提示或其他任何形式的条件“引导”。在Comfy中，guider由一个提供__call__(*args, **kwargs)方法的callable Python对象表示，该方法被样本调用。

__call__方法接收（在args[0]中）一组噪声潜在值（形状为[B,C,H,W]的张量），并返回噪声的预测（形状相同的张量）。

模型数据类型

稳定扩散模型有许多更技术化的数据类型。其中最重要的包括 MODEL、CLIP、VAE 和 CONDITIONING。
使用这些数据类型（目前）超出了本指南的范围！

额外参数

以下是在输入定义的“额外选项”部分可以使用的官方支持的键的列表。

您可以使用额外的键来创建自己的自定义小部件，但不应将以下任何键用于其他目的。