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CFGNorm 节点对扩散模型中的无分类器引导（CFG）过程应用归一化技术。它通过比较条件输出和无条件输出的范数来调整去噪预测的尺度，然后应用强度乘数来控制效果。这有助于通过防止引导缩放中的极端值来稳定生成过程。
输入参数
| 参数名 | 数据类型 | 输入类型 | 默认值 | 取值范围 | 描述 |
|---|---|---|---|---|---|
model | MODEL | 必填 | - | - | 要应用 CFG 归一化的扩散模型 |
strength | FLOAT | 必填 | 1.0 | 0.0 - 100.0 | 控制应用于 CFG 缩放的归一化效果的强度 |
输出结果
| 输出名称 | 数据类型 | 描述 |
|---|---|---|
patched_model | MODEL | 返回经过修改的模型，其采样过程已应用 CFG 归一化 |