ComfyUI 工作流：LoRA 设置测试器

此 ComfyUI 工作流旨在测试 LoRA（低秩适配）设置，并可视化不同参数对生成结果的影响。工作流包含一个绘图功能，可并排比较结果，提供直观的评估方式。

自定义节点

• Anything Everywhere? / https://github.com/chrisgoringe/cg-use-everywhere

• Bookmark (rgthree) / https://github.com/rgthree/rgthree-comfy

• JWInteger / https://github.com/jamesWalker55/comfyui-various

• LorasForFluxParams+ / https://github.com/cubiq/ComfyUI_essentials

• PlotParameters+ / https://github.com/cubiq/ComfyUI_essentials

• ProjectFilePathNode / https://github.com/MushroomFleet/DJZ-Nodes

• SaveText|pysssss / https://github.com/pythongosssss/ComfyUI-Custom-Scripts

• Searge_LLM_Node / https://github.com/SeargeDP/ComfyUI_Searge_LLM

• Seed Everywhere / https://github.com/chrisgoringe/cg-use-everywhere

• Simple String / https://github.com/chrisgoringe/cg-use-everywhere

• Text to Conditioning / https://github.com/WASasquatch/was-node-suite-comfyui

• UnetLoaderGGUF / https://github.com/city96/ComfyUI-GGUF

• easy showAnything / https://github.com/yolain/ComfyUI-Easy-Use

• FluxSamplerParams+ / https://github.com/cubiq/ComfyUI_essentials

工作流功能

1. 暴露参数

此工作流暴露了多个关键设置，用于微调和实验：

模型强度

• 描述：控制 LoRA 模型在图像生成过程中的影响强度。

• 暴露值：0.5、0.6、0.7 等。

• 效果：数值越高，LoRA 模型的影响越强；数值越低，影响越弱。

采样器

• 描述：确定扩散过程中使用的采样算法。

• 暴露选项：ipndm、euler 等。

• 效果：不同采样器会产生不同程度的细节、锐度和提示遵循性。

调度器

• 描述：控制扩散过程中噪声减少的时间安排。

• 暴露选项：beta、simple 等。

• 效果：影响去噪过程的速度和平滑度。

Clip 注意力乘数

• 描述：缩放文本提示中特定标记的注意力权重。

• 效果：微调提示中各个部分对输出的影响强度。数值 >1 增强标记重要性，数值 <1 则削弱。

2. 可视化输出

工作流生成一个图表，展示不同参数设置下输出结果的并排对比，便于轻松评估：

• 模型强度的变化。

• 不同采样器之间的差异。

• 调度器选择的影响。

3. 保存图像

• 输出图像将自动以反映所用参数设置的文件名保存，便于追踪和比较结果。

使用方法

1. 设置 LoRA 参数：

   • 调整 模型强度，以实验 LoRA 模型的影响。

   • 选择 采样器 和 调度器，探索其效果。

2. 自定义提示：

   • 在提示节点中输入您所需的文本提示。

3. 运行工作流：

   • 执行工作流，生成不同参数设置下的输出结果。

4. 查看结果：

   • 使用图表并排比较输出结果。

   • 在指定的输出文件夹中查看已保存的图像。

实用建议

• 从简单开始：使用默认值，每次仅调整一个参数，以获得更清晰的洞察。

• 尝试组合：测试不同采样器与调度器的组合，以获得最佳效果。

• 谨慎使用 Clip 注意力乘数：微小调整（如 1.1 或 0.9）便可能显著影响结果。

---

此工作流为在 ComfyUI 中测试和微调 LoRA 设置提供了强大的工具，使用户能够轻松实现所需的创作或实用效果。