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TomePatchModel 节点对扩散模型应用令牌合并（ToMe），以减少推理过程中的计算需求。其工作原理是在注意力机制中选择性地合并相似令牌，使模型能够处理更少的令牌，同时保持图像质量。该技术有助于在无明显质量损失的情况下加速生成。
输入
| 参数 | 数据类型 | 是否必填 | 范围 | 描述 |
|---|---|---|---|---|
模型 | MODEL | 是 | - | 要应用令牌合并的扩散模型 |
比率 | FLOAT | 否 | 0.0 - 1.0 | 要合并的令牌比例（默认值：0.3） |
输出
| 输出名称 | 数据类型 | 描述 |
|---|---|---|
模型 | MODEL | 已应用令牌合并的修改后模型 |
Source fingerprint (SHA-256):
23d63ffa1b468a8a41533cc926125f4ef566b13edd1d95a6ef1ae63096a9d878