CFG归一化 - ComfyUI Built-in Node Documentation

CFGNorm 通过比较条件预测与引导预测的大小（范数），并对结果进行重新缩放，从而调整扩散模型中无分类器引导（CFG）的应用方式。

CFGNorm 通过比较条件预测与引导预测的大小（范数），并对结果进行重新缩放，从而调整扩散模型中无分类器引导（CFG）的应用方式。strength 值控制调整的应用程度。默认情况下，缩放仅对引导输出进行衰减；而启用 pre_cfg 后，会在采样器执行 CFG 合并之前对合并后的噪声进行重新缩放，且不进行钳制，这可能会放大结果。

输入

参数	说明	数据类型	是否必需	范围
`模型`	要对其应用 CFG 归一化的扩散模型	MODEL	是	-
`强度`	控制应用于 CFG 缩放的归一化效果强度（默认值：1.0）	FLOAT	是	0.0 到 100.0 （步长：0.01）
`pre_cfg`	若为 true，则在采样器的 CFG 合并之前对合并后的噪声进行重新缩放，且不进行钳制（可能会放大结果）。这与 Lens 等模型所使用的范数缩放 CFG 相匹配。默认 false 保持原有的 CFG 之后 x0 空间仅衰减行为。（默认值：False）	BOOLEAN	否	true / false

注意：此节点被标记为实验性功能。

输出

输出名称	说明	数据类型
`patched_model`	返回经过修改的模型，其采样过程已应用 CFG 归一化	MODEL

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): 427dda498ebda2642489aa2591f063355a77b1e064e0dc7fa8570ed8200c2734