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
NAGuidance 节点将归一化注意力引导（Normalized Attention Guidance）应用于模型。该技术通过在采样过程中修改模型的注意力机制，使蒸馏或快速模型能够使用负面提示，从而引导生成结果远离不期望的概念。输入
| 参数 | 数据类型 | 是否必填 | 取值范围 | 描述 |
|---|---|---|---|---|
model | MODEL | 是 | - | 要应用归一化注意力引导的模型。 |
nag_scale | FLOAT | 是 | 0.0 - 50.0 | 引导缩放因子。数值越高，生成结果越远离负面提示。（默认值：5.0） |
nag_alpha | FLOAT | 是 | 0.0 - 1.0 | 归一化注意力的混合因子。值为 1.0 时完全替换原始注意力，值为 0.0 时无效果。（默认值：0.5） |
nag_tau | FLOAT | 是 | 1.0 - 10.0 | 用于限制归一化比率的缩放因子。（默认值：1.5） |
输出
| 输出名称 | 数据类型 | 描述 |
|---|---|---|
model | MODEL | 已启用归一化注意力引导的修补后模型。 |
Source fingerprint (SHA-256):
ea3d7fea94e62c8a0784887f3df9d8a503c3dbaa552bf860bd4dde1ae576fa9c