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HyperTile 节点对扩散模型中的注意力机制应用分块技术，以优化图像生成过程中的内存使用。它将潜在空间分割成较小的图块并分别处理，然后重新组装结果。这样可以在不耗尽内存的情况下处理更大尺寸的图像。
输入参数
| 参数名 | 数据类型 | 必需 | 取值范围 | 描述 |
|---|---|---|---|---|
模型 | MODEL | 是 | - | 要应用 HyperTile 优化的扩散模型 |
分块尺寸 | INT | 否 | 1-2048 | 处理时的目标图块尺寸（默认值：256） |
分割尺寸 | INT | 否 | 1-128 | 控制处理过程中图块的重新排列方式（默认值：2） |
最大深度 | INT | 否 | 0-10 | 应用分块的最大深度级别（默认值：0） |
规模深度 | BOOLEAN | 否 | - | 是否根据深度级别缩放图块尺寸（默认值：False） |
输出结果
| 输出名称 | 数据类型 | 描述 |
|---|---|---|
模型 | MODEL | 应用了 HyperTile 优化后的修改模型 |