Joe's F1.S Sampling Workflow with Aspect Ratio Selector (and Loras)
세부 정보
파일 다운로드
모델 설명
Schnell을 조금 조정하여 더 적은 작업으로 더 나은 이미지를 생성하도록 했습니다. 저는 Schnell의 큰 팬이며, Dev에도 유사한 노드를 사용하고 있습니다. 하지만 이 노드는 샘플링 시프트 레벨을 모두 0으로 설정하고, 이미지 입력으로 종횡비를 받기 때문에 픽셀 크기를 추측할 필요가 없습니다. 이 워크플로우를 Dev 작업에도 그대로 사용할 수 있습니다. 원하시는 대로 사용하십시오. 저는 주로 다른 분들이 ComfyUI를 배우는 데 도움이 되도록 이걸 공유할 뿐, 전문가는 아닙니다.
이곳에서 의도적으로 fp8로 설정한 이유는 16GB GPU를 가진 사용자들이 NF4와 GGUF를 더 이상 사용하지 않았으면 하기 때문입니다. 필요하지 않거든요! Flux HF에서 제공하는 전체 bf16 모델이나, 제가 현재 사용하는 비표준 PixelWave의 fp16 버전을 로드한 후 이 워크플로우 내의 로더로 가중치를 변환하면(로딩 시간은 좀 길어지지만), 16GB VRAM 또는 그 이하로도 매우 높은 품질의 이미지를 생성할 수 있습니다. 이 워크플로우에 첨부한 모든 이미지는 표준 텍스트 인코더와 Hugging Face의 표준 bf16 모델 또는 여기의 PixelWave 01 Schnell을 fp8 가중치로 변환한 것을 사용합니다.
다음 명령어로 Comfy를 실행합니다(네, 저사양 모드입니다. 4090을 사용 중이며, 이는 Comfy가 메모리 작업 오프로딩에 훨씬 더 나은 모드로 전환되게 합니다):
python main.py --listen --lowvram --cuda-malloc --force-channels-last --force-upcast-attention
다음과 함께:
set PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True
그리고:
set CUDA_AUTO_BOOST=1
사용법
- 종횡비를 w와 h로 설정하세요.
- 입력 이미지 크기를 설정하세요. 보통 1 메가픽셀이 적당하지만, 용감하다면 2 메가픽셀까지 올릴 수 있습니다.
> 이는 올바른 픽셀 크기의 검은 잠재 공간을 생성합니다. - 프롬프트를 입력하세요. 이 Schnell 워크플로우에는 CFG 또는 조건부 입력이 없습니다. 제가 사용하는 Dev 버전에는 조건부 입력이 있습니다.
- Schnell에 대해 단계, 샘플러, 스케줄러를 바꾸는 것은 권장하지 않습니다. 다만 LCM/Beta 및 Euler/Exponential을 사용해 주어진 단계 전에 샘플링을 중단한 경우, 일부 작업 결과가 잘 나옵니다.
원하는 업스케일러를 자유롭게 사용하십시오. 저는 OpenModelDB의 Nomos 시리즈를 매우 좋아합니다. 이 워크플로우에서 사용한 모델은 여기에 있습니다: https://openmodeldb.info/models/4x-NomosWebPhoto-esrgan