CFGNorm - ComfyUI Built-in Node Documentation

CFGNorm 将一种归一化技术应用于扩散模型中的无分类器引导（CFG）过程。

CFGNorm 将一种归一化技术应用于扩散模型中的无分类器引导（CFG）过程。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尺度，然后应用强度乘数来控制效果。默认情况下，归一化仅衰减引导输出，但启用 pre_cfg 后，会在采样器的 CFG 组合之前重新缩放组合噪声，且不进行截断，这可能会导致放大。

​

输入

参数	描述	数据类型	必需	范围
模型	要应用 CFG 归一化的扩散模型	MODEL	是	-
强度	控制应用于 CFG 缩放的归一化效果的强度（默认值：1.0）	FLOAT	是	0.0 到 100.0
pre_cfg	如果为 true，则在采样器的 CFG 组合之前重新缩放组合噪声，且不进行截断（可能会放大）。与 Lens 等模型使用的范数缩放 CFG 匹配。默认值 false 保持原始的 CFG 后 x0 空间中仅衰减的行为。（默认值：False）	BOOLEAN	否	true / false

注意：此节点标记为实验性。

​

输出

输出名称	描述	数据类型
模型	返回已修改的模型，其采样过程应用了 CFG 归一化	MODEL

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

---

Source fingerprint (SHA-256): 427dda498ebda2642489aa2591f063355a77b1e064e0dc7fa8570ed8200c2734