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，修改扩散模型中的无分类器引导（CFG）过程。它根据指定的时间步长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。
输入
| 参数 | 数据类型 | 是否必填 | 范围 | 描述 |
|---|---|---|---|---|
模型 | MODEL | 是 | - | 应用重归一化 CFG 的扩散模型 |
cfg_trunc | FLOAT | 否 | 0.0 - 100.0 | 应用 CFG 缩放的时间步长阈值。当当前时间步长低于此值时，应用 CFG 缩放；否则仅使用条件预测（默认值：100.0） |
renorm_cfg | FLOAT | 否 | 0.0 - 100.0 | 重归一化因子，用于限制经 CFG 缩放后的预测相对于原始条件预测的最大范数。值为 0.0 时禁用重归一化（默认值：1.0） |
输出
| 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 |
Source fingerprint (SHA-256):
b59929606f7519574b7ad14a3caacee51e4f141dd6be3abb594217bcfdbc401e