跳转到主要内容
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

概述

ModelMergeCosmosPredict2_2B 节点采用基于块(block-based)的方法合并两个扩散模型,可对模型的不同组件进行精细控制。通过调整位置嵌入器、时间嵌入器、Transformer 块和最终层的插值权重,您可以混合两个模型的特定部分,从而精确控制每个模型的不同架构组件对最终合并结果的贡献。

输入

参数数据类型必填范围描述
模型1MODEL-要合并的第一个模型
模型2MODEL-要合并的第二个模型
pos_embedder.FLOAT0.0 - 1.0位置嵌入器插值权重(默认值:1.0)
x_embedder.FLOAT0.0 - 1.0输入嵌入器插值权重(默认值:1.0)
t_embedder.FLOAT0.0 - 1.0时间嵌入器插值权重(默认值:1.0)
t_embedding_norm.FLOAT0.0 - 1.0时间嵌入归一化插值权重(默认值:1.0)
blocks.0.FLOAT0.0 - 1.0Transformer 块 0 插值权重(默认值:1.0)
blocks.1.FLOAT0.0 - 1.0Transformer 块 1 插值权重(默认值:1.0)
blocks.2.FLOAT0.0 - 1.0Transformer 块 2 插值权重(默认值:1.0)
blocks.3.FLOAT0.0 - 1.0Transformer 块 3 插值权重(默认值:1.0)
blocks.4.FLOAT0.0 - 1.0Transformer 块 4 插值权重(默认值:1.0)
blocks.5.FLOAT0.0 - 1.0Transformer 块 5 插值权重(默认值:1.0)
blocks.6.FLOAT0.0 - 1.0Transformer 块 6 插值权重(默认值:1.0)
blocks.7.FLOAT0.0 - 1.0Transformer 块 7 插值权重(默认值:1.0)
blocks.8.FLOAT0.0 - 1.0Transformer 块 8 插值权重(默认值:1.0)
blocks.9.FLOAT0.0 - 1.0Transformer 块 9 插值权重(默认值:1.0)
blocks.10.FLOAT0.0 - 1.0Transformer 块 10 插值权重(默认值:1.0)
blocks.11.FLOAT0.0 - 1.0Transformer 块 11 插值权重(默认值:1.0)
blocks.12.FLOAT0.0 - 1.0Transformer 块 12 插值权重(默认值:1.0)
blocks.13.FLOAT0.0 - 1.0Transformer 块 13 插值权重(默认值:1.0)
blocks.14.FLOAT0.0 - 1.0Transformer 块 14 插值权重(默认值:1.0)
blocks.15.FLOAT0.0 - 1.0Transformer 块 15 插值权重(默认值:1.0)
blocks.16.FLOAT0.0 - 1.0Transformer 块 16 插值权重(默认值:1.0)
blocks.17.FLOAT0.0 - 1.0Transformer 块 17 插值权重(默认值:1.0)
blocks.18.FLOAT0.0 - 1.0Transformer 块 18 插值权重(默认值:1.0)
blocks.19.FLOAT0.0 - 1.0Transformer 块 19 插值权重(默认值:1.0)
blocks.20.FLOAT0.0 - 1.0Transformer 块 20 插值权重(默认值:1.0)
blocks.21.FLOAT0.0 - 1.0Transformer 块 21 插值权重(默认值:1.0)
blocks.22.FLOAT0.0 - 1.0Transformer 块 22 插值权重(默认值:1.0)
blocks.23.FLOAT0.0 - 1.0Transformer 块 23 插值权重(默认值:1.0)
blocks.24.FLOAT0.0 - 1.0Transformer 块 24 插值权重(默认值:1.0)
blocks.25.FLOAT0.0 - 1.0Transformer 块 25 插值权重(默认值:1.0)
blocks.26.FLOAT0.0 - 1.0Transformer 块 26 插值权重(默认值:1.0)
blocks.27.FLOAT0.0 - 1.0Transformer 块 27 插值权重(默认值:1.0)
final_layer.FLOAT0.0 - 1.0最终层插值权重(默认值:1.0)

输出

输出名称数据类型描述
modelMODEL合并后的模型,融合了两个输入模型的特征

Source fingerprint (SHA-256): 53a8de66d6b731f5b29af326832f66cc973284bc8fdf09d779575f2346cc75a7