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缩放比例，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 | 数据类型 | 输入类型 | 默认值 | 范围 | 描述 |
|---|---|---|---|---|---|
模型 | MODEL | 必需 | - | - | 要应用 CFG 归一化的扩散模型 |
强度 | FLOAT | 必需 | 1.0 | 0.0 - 100.0 | 控制应用于 CFG 缩放的归一化效果强度 |
输出
| 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 |
Source fingerprint (SHA-256):
af9e5f965500b959ff46f781e9329524fc0a4b94af2ce6d74116fe27b0e9005e