צומת KSampler ב-ComfyUI
KSampler מריץ את הלולאת הסרת הרעש: הוא מקבל את המודל, הפרומפטים והלטנט ומייצר את התמונה הלטנטית המוגמרת, עם שליטה על הזרע, מספר השלבים, cfg, הסמפלר, המתזמן וה-denoise.
מה KSampler עושה
KSampler זה המקום שבו התמונה באמת נוצרת. מתחילים מהלטנט הקלט (רעש אקראי מ-Empty Latent Image, או תמונה מקודדת ל-img2img), הוא מבקש מהמודל להסיר רעש במשך מספר השלבים שנבחר, כשהוא מושך לכיוון הפרומפט החיובי ומרחיק מהשלילי לפי כמות ה-cfg. התוצאה היא LATENT ש-VAE Decode הופך לתמונה.
sampler_name בוחר את השיטה המספרית (euler, euler_ancestral, dpmpp_2m, dpmpp_2m_sde, dpmpp_3m_sde, uni_pc, lcm, ...) וה-scheduler את עקומת הרעש (normal, karras, exponential, sgm_uniform, simple, beta). denoise שולט כמה מהרעש המקורי מוחלף: 1.0 לטקסט לתמונה, 0.3-0.7 ל-img2img ולעיבודים ברזולוציה גבוהה. KSampler (Advanced) מאפשר להגדיר שלבי התחלה וסיום לדגימה רב-שלבית.
קלטים
שם | סוג | מה זה |
|---|---|---|
model | MODEL | מודל הסרת הרעש, אחרי כל תיקוני LoRA או ControlNet. |
positive | CONDITIONING | מה שאתה רוצה (מ-CLIP Text Encode, אולי דרך ControlNet Apply). |
negative | CONDITIONING | מה שאתה לא רוצה. |
latent_image | LATENT | הלטנט ההתחלתי: רעש ריק או תמונה מקודדת. |
seed | INT | זרע הרעש. אותו זרע והגדרות מייצרים את אותה תמונה. control_after_generate מגדיר קבוע, הגדלה, הקטנה או אקראי. |
steps | INT | מספר שלבי הסרת הרעש. 20-30 לרוב דגמי SD, 4-8 לדגמי Lightning, Turbo ו-LCM. |
cfg | FLOAT | קנה מידה להכוונה ללא-classifier. 5-8 ל-SD 1.5 ו-SDXL, 1.0 ל-Flux ודגמים מזוקקים. |
sampler_name | COMBO | אלגוריתם הדגימה. |
scheduler | COMBO | לוח זמנים של הרעש. |
denoise | FLOAT | חלק מהרעש שמוסרים. 1.0 = מתחילים מאפס; ערך נמוך שומר יותר מהתמונה המקורית. |
פלטים
שם | סוג | מה זה |
|---|---|---|
LATENT | LATENT | הלטנט שנדגם ל-VAE Decode או לסמפלר שני. |
איך להשתמש ב-KSampler
- חבר MODEL, שני CONDITIONING ו-LATENT.
- קבע steps ל-25, cfg ל-7, dpmpp_2m עם karras ל-SDXL; euler עם simple, cfg 1 ל-Flux.
- קבע denoise ל-1.0 לתמונה חדשה.
- חבר LATENT ל-VAE Decode ואז שמור תמונה.
- תור, ואז תקבע את הזרע כשאתה רוצה לחזור על הפרומפט.
הגדרות וטיפים
- dpmpp_2m + karras זה הבחירה הכללית; euler_ancestral מוסיף גיוון אבל אף פעם לא מתכנס; dpmpp_2m_sde נותן פרטים נוספים במחיר של פחות ודאות בין כרטיסים.
- נקודות בדיקה Lightning, Hyper ו-Turbo צריכות הגדרות משלהן: 4-8 שלבים, cfg 1-2, sgm_uniform או simple.
- לעיבוד ברזולוציה גבוהה, העבר את הלטנט הראשון דרך Upscale Latent By ואז KSampler שני עם denoise בין 0.4 ל-0.55.
- החזק Ctrl+Shift+V כדי להדביק צומת עם החיבורים שלו; שימושי כשמשכפלים סמפלרים.
- זרע קבוע עם אותן הגדרות ניתן לשחזור על אותו GPU; כרטיסים שונים יכולים להראות הבדלים קטנים.
פתרון בעיות ב-KSampler
רעש, סטטיקה או כתם מטושטש במקום תמונה
למה זה קורה
ההגדרות לא מתאימות למודל: cfg 7 על מודל מזוקק, 4 שלבים על מודל רגיל, מודל Flux בלי Flux Guidance, או denoise נמוך מ-1 על לטנט ריק.
איך לתקן את זה
התאם לדף המודל: SD רגיל = 20-30 שלבים, cfg 5-8; Lightning/Turbo = 4-8 שלבים, cfg 1-2; Flux = cfg 1, guidance 3.5, מעל 20 שלבים. השתמש ב-denoise 1.0 כשהלטנט ריק.
פלט שרוף, רווי מדי, עם ניגודיות גבוהה
למה זה קורה
cfg גבוה מדי למודל או לערימת LoRA, או סמפלר ancestral עם הרבה שלבים.
איך לתקן את זה
הורד cfg ל-4-6, הפחת את עוצמת LoRA, או החלף מ-euler_ancestral ל-dpmpp_2m.
torch.OutOfMemoryError: CUDA out of memory במהלך הדגימה
למה זה קורה
הלטנט גדול מדי לכרטיס בזיכרון בגדול המנות הזה, או מודל נוסף (ControlNet, upscaler) תופס VRAM באותו זמן.
איך לתקן את זה
הורד את הרזולוציה או batch_size, הוסף --lowvram, השתמש במשקלים fp8, או חלק את העיבוד ברזולוציה גבוהה לתור שני כדי לפרוק את המודל הראשון.
שגיאה: צורות mat1 ו-mat2 לא ניתנות לכפל
למה זה קורה
הקונדיקשנינג מגיע מקודד טקסט ממשפחה שונה מהמודל (CLIP של SD 1.5 לתוך מודל SDXL, או להפך).
איך לתקן את זה
חבר את ה-CLIP מאותו נקודת בדיקה שמספקת את ה-MODEL.
התמונות משתנות בכל ריצה למרות שהזרע קבוע
למה זה קורה
control_after_generate מוגדר לאקראי, או סמפלר SDE / ancestral בשימוש עם backend לא דטרמיניסטי.
איך לתקן את זה
הגדר control_after_generate ל-fixed והעדף dpmpp_2m או euler לחזרה מדויקת.
אותה תמונה חוזרת על עצמה בפרומפטים שונים (זרע תקוע)
למה זה קורה
control_after_generate קבוע והרעש שולט ב-cfg נמוך או בשלבים נמוכים.
איך לתקן את זה
הגדר ל-randomize או increment והעלה קצת את ה-cfg.
שאלות על KSampler
מה ההבדל בין KSampler ל-KSampler (Advanced)?
הגרסה המתקדמת מוסיפה add_noise, start_at_step, end_at_step ו-return_with_leftover_noise, שמאפשרים לפצל את הדגימה בין שני מודלים, למשל בסיס SDXL ואז רפינר.
איזה סמפלר הכי מהיר?
euler ו-dpmpp_2m עושים קריאה אחת למודל בכל שלב; הווריאנטים _2s ו-_3m עושים יותר. דגמי LCM ו-Lightning מהירים כי הם צריכים פחות שלבים, לא בגלל הסמפלר.
מה עושה denoise עם לטנט ריק?
כל ערך מתחת ל-1.0 משאיר חלק מהרעש המקורי בתוצאה ויוצר ערפל. תשאיר 1.0 לטקסט לתמונה.
צמתים קשורים
KSampler (Advanced)
ComfyUI core
KSampler (מתקדם) הוא KSampler עם שליטה על טווח הצעדים: add_noise, start_at_step, end_at_step ו-return_with_leftover_noise, משמש לשרשראות בסיס + משפר ודגימה עם שני מודלים.
Empty Latent Image
ComfyUI core
Empty Latent Image יוצרת את הקנבס הריק במרחב הלטנטי (רוחב, גובה, batch_size) שממנו מתחיל הדגימה של טקסט לתמונה; המידות חייבות להיות כפולות של 8 ולהתאים למשפחת המודל.
VAE Decode
ComfyUI core
VAE Decode ממיר את ה-LATENT שנבחר לתמונה בפיקסלים עם ה-VAE; VAE Decode (Tiled) עושה את זה באזורים (טיילים) לתמונות גדולות מאוד.
CLIP Text Encode (Prompt)
ComfyUI core
CLIP Text Encode הופך טקסט לפורמט CONDITIONING בעזרת מקודד הטקסט של המודל. יש צומת אחד לפורמט חיובי וצומת שני לפורמט שלילי.
Upscale Latent and Upscale Latent By
ComfyUI core
Upscale Latent משנה את גודל הלייטנט לגודל חדש (או לפי גורם) כדי שמדגם שני של KSampler יוכל להוסיף פרטים ברזולוציה גבוהה יותר: התיקון הקלאסי ל-hires.
עוד צמתים של ComfyUI
ComfyUI Manager
ComfyUI-Manager
ComfyUI Manager הוא התוסף שמתקין, מעדכן ומתקן חבילות וצמתים מותאמים אישית ומודלים מתוך הממשק, פותר בעיות של צמתים חסרים בזרימות עבודה מיובאות ושומר את ההגדרות שלך.
Load Checkpoint
ComfyUI core
Load Checkpoint (CheckpointLoaderSimple) פותח קובץ מודל .safetensors או .ckpt ומספק את שלושת החלקים שכל וורקפלו צריך: מודל הדיפוזיה (MODEL), מקודד הטקסט CLIP ו-VAE.
Save Image
ComfyUI core
Save Image שומר את הטנסור IMAGE בתיקיית ComfyUI/output כקובץ PNG, כשהכל כולל תהליך העבודה מוטמע במטא-דאטה של הקובץ כדי שניתן יהיה לגרור את התמונה חזרה ל-ComfyUI ולשחזר את הגרף.
Load Image
ComfyUI core
Load Image קורא תמונה מתיקיית הקלט של ComfyUI (או מהעלאה) ומוציא טנסור IMAGE יחד עם MASK שנלקח מערוץ האלפא, נקודת ההתחלה ל-img2img, inpainting, ControlNet וגרפים של IP-Adapter.
Load LoRA
ComfyUI core
Load LoRA (LoraLoader) מטעין קובץ LoRA על ה-MODEL וה-CLIP עם עוצמות נפרדות, כדי להוסיף סגנון, דמות או קונספט לכל נקודת בדיקה בלי למזג.
Load Diffusion Model
ComfyUI core
Load Diffusion Model (UNETLoader) טוען רשת דנויזינג בסיסית כמו Flux, SD3.5, Wan או HunyuanVideo מתיקיית models/diffusion_models, עם אפשרות weight_dtype ל-fp8 כדי לחסוך בזיכרון ה-VRAM.