◆comfyUI教程◆第1章05节 详解基础工作流节点及参数功能

   《ComfyUI从入门到精通》全套课程已发布，详细图文讲解，提供示例工作流及配套模型下载，适合零基础学员自学。课程持续更新中，跟进测评新模型不掉队。

    上文中，基础文生图/图生图工作流的创建让我们对节点已经有了初步的认识，大致可以分为三类：仅输入的节点、仅输出的节点，有输入和输出的中间节点。

    为了加强对基础节点的认知与理解，便于后续课程快速上手操作，本节课对基础工作流的关键线路节点的相关参数做详细分析。

1.1 K采样器

所有节点载入、数据输入、参数配置最后都会汇总到K采样器，它会结合载入的各类输入条件进行采样计算，最终输出图像，可以说K采样器是工作流中最核心的节点。

    新建路径：新建节点→采样→K采样器

    常用K采样器有两种：K采样器、K采样器（高级），两者的区别主要在于K采样器（高级）增加了对降噪的参数设置。

    具体参数：

    （1）随机种：降噪时调取的噪声图像编号，它代表了噪声图的唯一身份编号。当使用相同的随机数种子，其它条件相同则生成的图片会保持一致‌。当使用不同的随机数种子，即使其它条件相同，生成的图片也不会相同。

    随机种数可以随机生成，也可自行填入数字编号。

    （2）运行后操作：指当次出图种子数的处理方式。

    fixed（固定）指种子数固定不变；

    increment（增加）指每次出图后种子数均加1；

    decrement（减少）指每次生图后种子数均减少1；

    randomize（随机）指每次出图后种子数均随机变化 。

    （3）步数：指在K采样器中去噪的步数，可以理解为出图计算的次数，但出图次数并非越多越好，一般20~30步左右即可获得较好的结果，过多的步数除了拖慢出图进度以外，还可能出现过多不需要的细节。

    （4）CFG：提示词引导系数，代表提示词对出图的影响程度。

    如CFG值较小，则SD发挥空间较大，生成的图像可能会偏离提示词；

    而当CFG值过大时，生成的图像会更贴近提示词，但可能出现过度拟合的问题导致图像质量下降‌。

    对于1.5及XL大模型来说，CFG值一般保持默认的7即可，该数值条件下既能保证生成图像与提示词较为一致，又能保持一定的创意空间‌。

    （5）“采样器”和“调度器”：指潜空间内图像的计算方法，不同的组合对图像的效果及生成时间都会有一定影响，常用的采样器+调度器组合有euler+normal、DPM++ 2M Karras等

    （6）降噪：指去噪或重绘的幅度，数值越大，图像变化和影响越显著。

    在文生图中，保持降噪为默认的1即可；

    图生图（包括高清放大等）工作流中，降噪值代表着重绘幅度，降噪值很小时则表示重绘幅度很小，和原图就越像；降噪数值越大，则重绘幅度越大，与原图越不同。

1.2 checkpoint加载器

    checkpoint加载器是工作流的起始节点，主要作用是选择大模型以及vae输入给采样器，clip则连接正、反向提示词。

    新建路径：新建节点→加载器→checkpoint加载器（简易）

    后续节点的VAE可以直接使用大模型的vae去链接，也可以单独使用vae解码节点独立选择VAE。

1.3 CLIP文本编码器

    用于输入提示词，需要两个，一个负责链接正面条件输入正向提示词，一个负责链接负面条件输入反向提示词。

1.4 空latent

   空latent用于建立潜空间图像，同时控制生成图像的画布大小和批次数量。

宽度、高度：即字面意思，生成图像的尺寸大小。

批次大小：指生成图像的批次数量。

新建路径：新建节点→latent→空latent

1.5 VAE解码

将latent潜空间图像信息转化为肉眼可见的像素图像。

VAE编码则是把像素图像转化为计算机可以理解的latent潜空间图像信息。

新建路径：新建节点→latent→VAE解码/VAE编码

1.6 保存图像

    输出节点，负责生成及预览图像。

    新建路径：新建节点→图像→保存图像

附件：comfyUI基础整合包，包含秋叶版绘世启动器及comfyui官方版共两个版本，适合Windows系统使用。

网盘内压缩文件解压密码VX-huaqs123，为防止下载失败，可先转存再下载。软件均为整合包形式，无需安装，下载后打开文件夹，点击运行图标即可使用。

百度网盘链接: 

https://pan.baidu.com/s/1UVeWVFttiWOZEWHtnLav9A?pwd=886e 提取码: 886e 

夸克网盘链接：https://pan.quark.cn/s/f445b7325b47

    欢迎正在学习comfyui等ai技术的伙伴V加 huaqs123 进入学习小组。在这里大家共同学习comfyui的基础知识、最新模型与工作流、行业前沿信息等，也可以讨论comfyui商业落地的思路与方向。 欢迎感兴趣的小伙伴，群共享资料会分享博主自用的comfyui整合包（已安装超全节点与必备模型）、基础学习资料、工作流等资源……

   致敬每一位在路上的学习者，你我共勉！Ai技术发展迅速，学习comfyUI是紧跟时代的第一步，促进商业落地并创造价值是我们学习的最终目标。