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RenormCFG 节点通过应用条件缩放和归一化来改进扩散模型中的无分类器引导（CFG）过程。它根据指定的时间步阈值和重归一化因子调整去噪过程，从而在图像生成过程中控制条件预测与无条件预测的影响强度。
输入参数
| 参数名 | 数据类型 | 必填 | 取值范围 | 描述 |
|---|---|---|---|---|
模型 | MODEL | 是 | - | 要应用重归一化 CFG 的扩散模型 |
cfg_trunc | FLOAT | 否 | 0.0 - 100.0 | 应用 CFG 缩放的时间步阈值（默认值：100.0） |
renorm_cfg | FLOAT | 否 | 0.0 - 100.0 | 控制条件引导强度的重归一化因子（默认值：1.0） |
输出结果
| 输出名称 | 数据类型 | 描述 |
|---|---|---|
模型 | MODEL | 已应用重归一化 CFG 功能的修改后模型 |