Updated: 8/26/2024
Merhaba, yapay zeka meraklıları! 👋 ComfyUI içinde FLUX kullanımı hakkında giriş rehberimize hoş geldiniz. FLUX, Black Forest Labs tarafından geliştirilen son teknoloji bir modeldir. 🌟 Bu eğitimde, ComfyUI FLUX'un temellerine dalacağız ve bu güçlü modelin yaratıcı sürecinizi nasıl geliştirebileceğini ve yapay zeka tarafından oluşturulan sanatın sınırlarını nasıl zorlayabileceğinizi göstereceğiz. 🚀
Kapsayacağımız konular:
Black Forest Labs tarafından geliştirilen son teknoloji yapay zeka modeli FLUX.1, metin açıklamalarından görüntü oluşturma şeklini devrim niteliğinde değiştiriyor. Girdi istemlerine yakından uyan, çarpıcı derecede ayrıntılı ve karmaşık görüntüler oluşturma konusundaki benzersiz yeteneğiyle FLUX.1, rakiplerinden ayrılıyor. FLUX.1'in başarısının sırrı, farklı türde dönüştürücü blokları birleştiren ve etkileyici 12 milyar parametre ile desteklenen benzersiz hibrit mimarisinde yatıyor. Bu, FLUX.1'in metin açıklamalarını olağanüstü bir hassasiyetle temsil eden görsel olarak büyüleyici görüntüler üretmesini sağlıyor.
FLUX.1'in en heyecan verici yönlerinden biri, fotogerçekçi ve sanatsal tarzlar da dahil olmak üzere çeşitli tarzlarda görüntüler oluşturma esnekliğidir. FLUX.1, oluşturulan görüntüler içinde metni sorunsuz bir şekilde birleştirme yeteneğine de sahiptir, bu birçok diğer modelin başaramadığı bir başarıdır. Ayrıca, FLUX.1'in olağanüstü istem uyumu, hem basit hem de karmaşık açıklamaları kolayca işleyebilmesiyle tanınır. Bu, FLUX.1'in genellikle Stable Diffusion ve Midjourney gibi diğer tanınmış modellerle karşılaştırılmasına yol açmış ve FLUX.1, kullanıcı dostu doğası ve üstün sonuçları nedeniyle genellikle tercih edilen seçenek olmuştur.
FLUX.1'in etkileyici yetenekleri, çarpıcı görsel içerikler oluşturmak ve yenilikçi tasarımlar ilham vermekten bilimsel görselleştirmeyi kolaylaştırmaya kadar geniş bir uygulama yelpazesi için paha biçilmez bir araç haline getiriyor. FLUX.1'in metin açıklamalarından son derece ayrıntılı ve doğru görüntüler oluşturma yeteneği, yaratıcı profesyoneller, araştırmacılar ve meraklılar için olanaklar dünyasının kapılarını açıyor. Yapay zeka tarafından oluşturulan görseller alanı gelişmeye devam ederken, FLUX.1, kalite, çok yönlülük ve kullanım kolaylığı konusunda yeni bir standart belirleyerek ön planda duruyor.
Black Forest Labs, devrim niteliğindeki FLUX.1'in arkasındaki öncü yapay zeka şirketi olup, Stability AI'nin çekirdek üyelerinden biri olarak görev yapmış tanınmış bir figür olan Robin Rombach tarafından kurulmuştur. Black Forest Labs ve FLUX.1 ile ilgili devrim niteliğindeki çalışmaları hakkında daha fazla bilgi edinmek istiyorsanız, resmi web sitelerini ziyaret etmeyi unutmayın: https://blackforestlabs.ai/.
FLUX.1, her biri belirli kullanıcı ihtiyaçlarını karşılamak üzere tasarlanmış üç farklı versiyonda gelir:
Ad | HuggingFace deposu | Lisans | md5sum |
FLUX.1 [pro] | Sadece API'mizde mevcuttur. | ||
FLUX.1 [dev] | https://huggingface.co/black-forest-labs/FLUX.1-dev | FLUX.1-dev Ticari Olmayan Lisans | a6bd8c16dfc23db6aee2f63a2eba78c0 |
FLUX.1 [schnell] | https://huggingface.co/black-forest-labs/FLUX.1-schnell | apache-2.0 | a9e1e277b9b16add186f38e3f5a34044 |
fp16
Clip model varyantının kullanılması önerilir.fp16
veya fp8
Clip modelleri kullanılabilir.fp8
hesaplamalarına izin verir. Hız ve verimlilik üzerine odaklanmış olup, ultra yüksek kalite yerine hız ön plandadır.FLUX.1'i ComfyUI ortamında etkili bir şekilde kullanmak için, ComfyUI'nın en son sürümünün yüklü olduğundan emin olmanız önemlidir. Bu sürüm, FLUX.1 modelleri için gerekli özellikler ve entegrasyonları destekler.
FLUX.1 kullanarak metinden görüntü oluşturma performansı ve doğruluğu için belirli metin kodlayıcıları ve CLIP modellerini indirmeniz gerekecek. Sisteminizin donanımına bağlı olarak aşağıdaki modeller gereklidir:
Model Dosya Adı | Boyut | Not | Bağlantı |
t5xxl_fp16.safetensors | 9.79 GB | Daha iyi sonuçlar için, yüksek VRAM ve RAM (32 GB RAM'den fazla) varsa. | İndir |
t5xxl_fp8_e4m3fn.safetensors | 4.89 GB | Daha düşük bellek kullanımı için (8-12GB) | İndir |
clip_l.safetensors | 246 MB | İndir |
İndirme ve Kurulum Adımları:
clip_l.safetensors
modelini indirin.t5xxl_fp8_e4m3fn.safetensors
(daha düşük VRAM için) veya t5xxl_fp16.safetensors
(daha yüksek VRAM ve RAM için) indirin.ComfyUI/models/clip/
dizinine yerleştirin. Not: Daha önce SD 3 Medium kullandıysanız, bu modellere zaten sahip olabilirsiniz.FLUX.1'de görüntü oluşturma kalitesini iyileştirmek için Varyasyonel Otokodlayıcı (VAE) modeli önemlidir. Aşağıdaki VAE modeli indirilebilir:
Dosya Adı | Boyut | Bağlantı |
ae.safetensors | 335 MB | İndir (yeni bir sekmede açılır) |
İndirme ve Kurulum Adımları:
ae.safetensors
model dosyasını indirin.ComfyUI/models/vae
dizinine yerleştirin.flux_ae.safetensors
olarak yeniden adlandırmanız önerilir.UNET modeli, FLUX.1'de görüntü sentezi için belkemiğidir. Sisteminizin özelliklerine bağlı olarak farklı varyantlar arasından seçim yapabilirsiniz:
Dosya Adı | Boyut | Bağlantı | Not |
flux1-dev.safetensors | 23.8GB | İndir | Yüksek VRAM ve RAM'iniz varsa. |
flux1-schnell.safetensors | 23.8GB | İndir | Daha düşük bellek kullanımı için |
İndirme ve Kurulum Adımları:
ComfyUI/models/unet/
dizinine yerleştirin.ComfyUI FLUX İş Akışını sürekli olarak güncelleyerek, ComfyUI FLUX kullanarak çarpıcı görüntüler oluşturmanız için en son ve kapsamlı iş akışlarını size sunacağız.
RunComfy Platformunda, çevrimiçi versiyonumuz gerekli tüm modları ve düğümleri sizin için önceden yükler. Ayrıca, yüksek performanslı GPU makineleri sunarak, ComfyUI FLUX Txt2Img deneyimini rahatça yaşamanızı sağlar.
ComfyUI FLUX Txt2Img iş akışı, FLUX UNET (UNETLoader), FLUX CLIP (DualCLIPLoader) ve FLUX VAE (VAELoader) gibi temel bileşenleri yükleyerek başlar. Bu bileşenler, ComfyUI FLUX görüntü oluşturma sürecinin temelini oluşturur.
İstenilen çıktıyı tanımlayan metin istemi, CLIPTextEncode kullanılarak kodlanır. Bu düğüm, metin istemini girdi olarak alır ve ComfyUI FLUX oluşturma sırasında rehberlik eden kodlanmış metin koşullandırmasını çıkış olarak verir.
ComfyUI FLUX oluşturma sürecini başlatmak için, EmptyLatentImage kullanılarak boş bir latent temsilci oluşturulur. Bu, ComfyUI FLUX'un üzerine inşa etmesi için başlangıç noktası olarak hizmet eder.
BasicGuider, ComfyUI FLUX oluşturma sürecini yönlendirmede kritik bir rol oynar. Kodlanmış metin koşullandırmasını ve yüklenen FLUX UNET'i girdi olarak alır, oluşturulan çıktının sağlanan metin açıklamasına uyumlu olmasını sağlar.
KSamplerSelect, ComfyUI FLUX oluşturma için örnekleme yöntemini seçmenizi sağlarken, RandomNoise ComfyUI FLUX için girdi olarak rastgele gürültü oluşturur. BasicScheduler, her adımda gürültü seviyelerini (sigma'lar) programlayarak, nihai çıktının detay ve netlik düzeyini kontrol eder.
SamplerCustomAdvanced, ComfyUI FLUX Txt2Img iş akışının tüm bileşenlerini bir araya getirir. Rastgele gürültü, rehber, seçilen örnekleyici, programlanmış sigma'lar ve boş latent temsili girdi olarak alır. Gelişmiş bir örnekleme süreci ile, metin istemini temsil eden bir latent temsilci oluşturur.
Son olarak, VAEDecode, yüklenen FLUX VAE kullanılarak oluşturulan latent temsili nihai çıktıya dönüştürür. SaveImage, oluşturulan çıktıyı belirlenen bir konuma kaydederek, ComfyUI FLUX Txt2Img iş akışı ile mümkün kılınan çarpıcı yaratımı korumanızı sağlar.
RunComfy Platformunda, çevrimiçi versiyonumuz gerekli tüm modları ve düğümleri sizin için önceden yükler. Ayrıca, yüksek performanslı GPU makineleri sunarak, ComfyUI FLUX Img2Img deneyimini rahatça yaşamanızı sağlar.
ComfyUI FLUX Img2Img iş akışı, hem metin istemlerine hem de girdi temsillerine dayalı çıktılar oluşturmak için ComfyUI FLUX'un gücünden yararlanır. Gerekli bileşenleri yükleyerek başlar, CLIP modeli (DualCLIPLoader), UNET modeli (UNETLoader) ve VAE modeli (VAELoader) dahil.
Girdi temsili, ComfyUI FLUX Img2Img süreci için başlangıç noktası olarak hizmet eder, LoadImage kullanılarak yüklenir. ImageScale daha sonra girdi temsilini istenen boyuta ölçeklendirir, ComfyUI FLUX ile uyumluluğu sağlar.
Ölçeklendirilmiş girdi temsili, VAEEncode kullanılarak kodlanarak bir latent temsile dönüştürülür. Bu latent temsil, girdinin temel özelliklerini ve detaylarını yakalar, ComfyUI FLUX'un çalışması için bir temel sağlar.
İstenilen değişiklikleri veya iyileştirmeleri tanımlayan metin istemi, CLIPTextEncode kullanılarak kodlanır. FluxGuidance daha sonra belirtilen rehberlik ölçeğine dayalı olarak koşullandırmaya rehberlik eder, metin isteminin nihai çıktı üzerindeki etkisinin gücünü etkiler.
ModelSamplingFlux, ComfyUI FLUX için zaman adımı yeniden örnekleme, dolgu oranı ve çıktı boyutları gibi örnekleme parametrelerini ayarlar. Bu parametreler, oluşturulan çıktının ayrıntı düzeyini ve çözünürlüğünü kontrol eder.
KSamplerSelect, ComfyUI FLUX oluşturma için örnekleme yöntemini seçmenizi sağlarken, BasicGuider, kodlanmış metin koşullandırması ve yüklenen FLUX UNET temelinde oluşturma sürecini yönlendirir.
Rastgele gürültü, RandomNoise kullanılarak oluşturulur ve BasicScheduler, oluşturma sürecindeki her adımdaki gürültü seviyelerini (sigma'lar) programlar. Bu bileşenler, nihai çıktıdaki detayları ve varyasyonları ince ayar yaparak kontrollü varyasyonlar getirir.
SamplerCustomAdvanced, rastgele gürültü, rehber, seçilen örnekleyici, programlanmış sigma'lar ve girdi latent temsilini bir araya getirir. Gelişmiş bir örnekleme süreci ile, metin istemi tarafından belirtilen değişiklikleri içeren ancak girdinin temel özelliklerini koruyan bir latent temsil oluşturur.
Son olarak, VAEDecode, yüklenen FLUX VAE kullanılarak gürültüsüz latent temsili nihai çıktıya dönüştürür. PreviewImage oluşturulan çıktının önizlemesini göstererek, ComfyUI FLUX Img2Img iş akışı tarafından elde edilen çarpıcı sonuçları sergiler.
RunComfy Platformunda, çevrimiçi versiyonumuz gerekli tüm modları ve düğümleri sizin için önceden yükler. Ayrıca, yüksek performanslı GPU makineleri sunarak, ComfyUI FLUX LoRA deneyimini rahatça yaşamanızı sağlar.
ComfyUI FLUX LoRA iş akışı, ComfyUI FLUX'un performansını artırmak için Düşük Sıralı Adaptasyon (LoRA) gücünden yararlanır. Gerekli bileşenleri yükleyerek başlar, UNET modeli (UNETLoader), CLIP modeli (DualCLIPLoader), VAE modeli (VAELoader) ve LoRA modeli (LoraLoaderModelOnly) dahil.
İstenilen çıktıyı tanımlayan metin istemi, String Literal kullanılarak belirtilir. CLIPTextEncode daha sonra metin istemini kodlayarak, ComfyUI FLUX oluşturma sürecini yönlendiren kodlanmış metin koşullandırmasını oluşturur.
FluxGuidance, kodlanmış metin koşullandırmasına rehberlik ederek, ComfyUI FLUX'un metin istemine uyum gücünü ve yönünü etkiler.
Oluşturma için başlangıç noktası olarak hizmet eden boş bir latent temsil, EmptyLatentImage kullanılarak oluşturulur. Oluşturulan çıktının istenen boyutlarını sağlamak için genişlik ve yükseklik Int Literal kullanılarak belirtilir.
ModelSamplingFlux, örnekleme parametrelerini ayarlar, dolgu oranı ve zaman adımı yeniden örnekleme dahil. Bu parametreler, oluşturulan çıktının çözünürlüğünü ve ayrıntı düzeyini kontrol eder.
KSamplerSelect, ComfyUI FLUX oluşturma için örnekleme yöntemini seçmenizi sağlarken, BasicGuider, kodlanmış metin koşullandırması ve FLUX LoRA ile güçlendirilmiş yüklenen FLUX UNET temelinde oluşturma sürecini yönlendirir.
Rastgele gürültü, RandomNoise kullanılarak oluşturulur ve BasicScheduler gürültü seviyelerini (sigma'lar) oluşturma sürecindeki her adım için programlar. Bu bileşenler, nihai çıktıdaki detayları ve varyasyonları ince ayar yaparak kontrollü varyasyonlar getirir.
SamplerCustomAdvanced, rastgele gürültü, rehber, seçilen örnekleyici, programlanmış sigma'lar ve boş latent temsili bir araya getirir. Gelişmiş bir örnekleme süreci ile, metin istemini temsil eden bir latent temsil oluşturur ve FLUX'un ve FLUX LoRA'nın gücünden yararlanır.
Son olarak, VAEDecode, yüklenen FLUX VAE kullanılarak oluşturulan latent temsili nihai çıktıya dönüştürür. SaveImage, oluşturulan çıktıyı belirlenen bir konuma kaydederek, ComfyUI FLUX LoRA iş akışı ile mümkün kılınan çarpıcı yaratımı korumanızı sağlar.
RunComfy Platformunda, çevrimiçi versiyonumuz gerekli tüm modları ve düğümleri sizin için önceden yükler. Ayrıca, yüksek performanslı GPU makineleri sunarak, ComfyUI FLUX ControlNet deneyimini rahatça yaşamanızı sağlar.
ComfyUI FLUX ControlNet iş akışı, ControlNet'in ComfyUI FLUX ile entegrasyonunu gösterir ve geliştirilmiş çıktı oluşturma sağlar. İş akışı, derinlik tabanlı koşullandırma ve Canny kenar tabanlı koşullandırma gibi iki örnek sunar.
Derinlik tabanlı iş akışında, girdi temsili MiDaS-DepthMapPreprocessor kullanılarak ön işlenir ve bir derinlik haritası oluşturulur. Derinlik haritası, FLUX ControlNet için derinlik koşullandırması ile birlikte ApplyFluxControlNet (Depth) aracılığıyla işlenir. Ortaya çıkan FLUX ControlNet koşulu, yüklü FLUX UNET, kodlanmış metin koşullandırması, negatif metin koşullandırması ve boş latent temsil ile birlikte XlabsSampler (Depth) için girdi olarak hizmet eder. XlabsSampler, bu girdilere dayalı olarak bir latent temsil oluşturur ve ardından VAEDecode kullanılarak nihai çıktıya dönüştürülür.
Benzer şekilde, Canny kenar tabanlı iş akışında, girdi temsili CannyEdgePreprocessor kullanılarak ön işlenir ve Canny kenarları oluşturulur. Canny kenar temsili, FLUX ControlNet için Canny kenar koşullandırması ile birlikte ApplyFluxControlNet (Canny) aracılığıyla işlenir. Ortaya çıkan FLUX ControlNet koşulu, yüklü FLUX UNET, kodlanmış metin koşullandırması, negatif metin koşullandırması ve boş latent temsil ile birlikte XlabsSampler (Canny) için girdi olarak hizmet eder. XlabsSampler, bu girdilere dayalı olarak bir latent temsil oluşturur ve ardından VAEDecode kullanılarak nihai çıktıya dönüştürülür.
ComfyUI FLUX ControlNet iş akışı, gerekli bileşenleri (DualCLIPLoader, UNETLoader, VAELoader, LoadFluxControlNet) yüklemek, metin istemlerini kodlamak (CLIPTextEncodeFlux), boş latent temsilleri oluşturmak (EmptyLatentImage) ve oluşturulan ve ön işlenmiş çıktıları önizlemek (PreviewImage) için düğümler içerir.
FLUX ControlNet'in gücünden yararlanarak, ComfyUI FLUX ControlNet iş akışı, derinlik haritaları veya Canny kenarları gibi belirli koşullandırmalara uyan çıktılar oluşturmayı sağlar. Bu ek kontrol ve rehberlik düzeyi, oluşturma sürecinin esnekliğini ve doğruluğunu artırır, ComfyUI FLUX kullanarak çarpıcı ve bağlamsal olarak ilgili çıktılar oluşturmayı sağlar.
RunComfy Platformunda, çevrimiçi versiyonumuz gerekli tüm modları ve düğümleri sizin için önceden yükler. Ayrıca, yüksek performanslı GPU makineleri sunarak, ComfyUI FLUX Inpainting deneyimini rahatça yaşamanızı sağlar.
ComfyUI FLUX Inpainting iş akışı, ComfyUI FLUX'un çevredeki bağlam ve sağlanan metin istemleri temelinde eksik veya maskelenmiş bölgeleri doldurma yeteneğini gösterir. İş akışı, gerekli bileşenleri yükleyerek başlar, UNET modeli (UNETLoader), VAE modeli (VAELoader) ve CLIP modeli (DualCLIPLoader) dahil.
İstenilen içerik ve stil için pozitif ve negatif metin istemleri, CLIPTextEncodes kullanılarak kodlanır. Pozitif metin koşullandırması, ComfyUI FLUX inpainting sürecini yönlendirmek için FluxGuidance kullanılarak daha fazla rehberlik edilir.
Girdi temsili ve maske, LoadAndResizeImage kullanılarak yüklenir ve yeniden boyutlandırılır, ComfyUI FLUX'un gereksinimleri ile uyumluluğu sağlanır. ImpactGaussianBlurMask, maskeye Gauss bulanıklığı uygulayarak, inpainted bölge ile orijinal temsil arasında daha pürüzsüz bir geçiş sağlar.
InpaintModelConditioning, rehberli pozitif metin koşullandırması, kodlanmış negatif metin koşullandırması, yüklenen FLUX VAE, yüklenen ve yeniden boyutlandırılan girdi temsili ve bulanıklaştırılmış maske birleştirilerek FLUX inpainting için koşullandırmayı hazırlar. Bu koşullandırma, ComfyUI FLUX inpainting süreci için temel oluşturur.
Rastgele gürültü, RandomNoise kullanılarak oluşturulur ve örnekleme yöntemi KSamplerSelect kullanılarak seçilir. BasicScheduler, ComfyUI FLUX inpainting sürecindeki gürültü seviyelerini (sigma'lar) programlar, inpainted bölgedeki detay ve netlik düzeyini kontrol eder.
BasicGuider, hazırlanan koşullandırma ve yüklenen FLUX UNET temelinde ComfyUI FLUX inpainting sürecini yönlendirir. SamplerCustomAdvanced, gelişmiş örnekleme sürecini gerçekleştirir, rastgele gürültü, rehber, seçilen örnekleyici, programlanmış sigma'lar ve girdi latent temsili girdi olarak alır. İnpainted latent temsilini çıkış olarak verir.
Son olarak, VAEDecode, inpainted latent temsili nihai çıktıya dönüştürür, inpainted bölgeyi orijinal temsil ile sorunsuz bir şekilde harmanlar. PreviewImage nihai çıktının önizlemesini göstererek, FLUX'un etkileyici inpainting yeteneklerini sergiler.
FLUX'un gücünden ve dikkatle tasarlanmış inpainting iş akışından yararlanarak, FLUX Inpainting, görsel olarak uyumlu ve bağlamsal olarak ilgili inpainted çıktılar oluşturmayı sağlar. Eksik parçaları geri yüklemekten, istenmeyen nesneleri kaldırmaya veya belirli bölgeleri değiştirmeye kadar, ComfyUI FLUX inpainting iş akışı düzenleme ve manipülasyon için güçlü bir araç sağlar.
RunComfy Platformunda, çevrimiçi versiyonumuz gerekli tüm modları ve düğümleri sizin için önceden yükler. Ayrıca, yüksek performanslı GPU makineleri sunarak, ComfyUI FLUX NF4 deneyimini rahatça yaşamanızı sağlar.
ComfyUI FLUX NF4 iş akışı, yüksek kaliteli çıktı oluşturma için FLUX'un NF4 (Normalizing Flow 4) mimarisi ile entegrasyonunu gösterir. İş akışı, gerekli bileşenleri yükleyerek başlar, CheckpointLoaderNF4 kullanılarak FLUX UNET, FLUX CLIP ve FLUX VAE dahil.
PrimitiveNode (yükseklik) ve PrimitiveNode (genişlik) düğümleri, oluşturulan çıktının istenen yüksekliğini ve genişliğini belirtir. ModelSamplingFlux düğümü, yüklenen FLUX UNET ve belirtilen yükseklik ve genişlik temelinde ComfyUI FLUX için örnekleme parametrelerini ayarlar.
EmptySD3LatentImage düğümü, oluşturma için başlangıç noktası olarak boş bir latent temsil oluşturur. BasicScheduler düğümü, ComfyUI FLUX oluşturma sürecindeki gürültü seviyelerini (sigma'lar) programlar.
RandomNoise düğümü, ComfyUI FLUX oluşturma süreci için rastgele gürültü oluşturur. BasicGuider düğümü, kodlanmış ComfyUI FLUX temelinde oluşturma sürecini yönlendirir.
KSamplerSelect düğümü, ComfyUI FLUX oluşturma için örnekleme yöntemini seçer. SamplerCustomAdvanced düğümü, gelişmiş örnekleme sürecini gerçekleştirir, rastgele gürültü, rehber, seçilen örnekleyici, programlanmış sigma'lar ve boş latent temsil girdi olarak alır. Oluşturulan latent temsili çıkış olarak verir.
VAEDecode düğümü, oluşturulan latent temsili yüklenen FLUX VAE kullanarak nihai çıktıya dönüştürür. SaveImage düğümü, oluşturulan çıktıyı belirli bir konuma kaydeder.
Yükseltme için, UltimateSDUpscale düğümü kullanılır. Oluşturulan çıktıyı, yüklenen FLUX, yükseltme için pozitif ve negatif koşullandırma, yüklenen FLUX VAE ve yüklenen FLUX yükseltme ile birlikte alır. CLIPTextEncode (Yükseltme Pozitif İstemi) düğümü, yükseltme için pozitif metin istemini kodlar. UpscaleModelLoader düğümü, FLUX yükseltme modelini yükler. UltimateSDUpscale düğümü, yükseltme sürecini gerçekleştirir ve yükseltilmiş temsili çıkış olarak verir. Son olarak, SaveImage (Yükseltilmiş) düğümü, yükseltilmiş çıktıyı belirli bir konuma kaydeder.
ComfyUI FLUX ve NF4 mimarisinin gücünden yararlanarak, ComfyUI FLUX NF4 iş akışı, gelişmiş sadakat ve gerçekçilik ile yüksek kaliteli çıktılar oluşturmayı sağlar. ComfyUI FLUX'un NF4 mimarisi ile sorunsuz entegrasyonu, çarpıcı ve büyüleyici çıktılar oluşturmak için güçlü bir araç sağlar.
RunComfy Platformunda, çevrimiçi versiyonumuz gerekli tüm modları ve düğümleri sizin için önceden yükler. Ayrıca, yüksek performanslı GPU makineleri sunarak, ComfyUI FLUX IPAdapter deneyimini rahatça yaşamanızı sağlar.
ComfyUI FLUX IPAdapter iş akışı, gerekli modelleri yükleyerek başlar, UNET modeli (UNETLoader), CLIP modeli (DualCLIPLoader) ve VAE modeli (VAELoader) dahil.
Pozitif ve negatif metin istemleri, CLIPTextEncodeFlux kullanılarak kodlanır. Pozitif metin koşullandırması, ComfyUI FLUX oluşturma sürecini yönlendirmek için kullanılır.
Girdi görüntüsü, LoadImage kullanılarak yüklenir. LoadFluxIPAdapter, FLUX modeli için IP-Adapter'ı yükler ve ardından ApplyFluxIPAdapter kullanılarak yüklenen UNET modeline uygulanır. ImageScale, girdi görüntüsünü istenen boyuta ölçeklendirir ve IP-Adapter'ı uygulamadan önce.
EmptyLatentImage, ComfyUI FLUX oluşturma için başlangıç noktası olarak boş bir latent temsil oluşturur.
XlabsSampler, örnekleme sürecini gerçekleştirir, FLUX UNET ile uygulanan IP-Adapter, kodlanmış pozitif ve negatif metin koşullandırması ve boş latent temsil girdi olarak alır. Latent temsili oluşturur.
VAEDecode, oluşturulan latent temsili yüklenen FLUX VAE kullanarak nihai çıktıya dönüştürür. PreviewImage düğümü, nihai çıktının önizlemesini gösterir.
ComfyUI FLUX IPAdapter iş akışı, sağlanan metin istemlerine uyan yüksek kaliteli çıktılar oluşturmak için ComfyUI FLUX'un ve IP-Adapter'ın gücünden yararlanır. IP-Adapter'ı FLUX UNET'e uygulayarak, iş akışı, metin koşullandırmasında belirtilen istenilen özellik leri ve stili yakalayan çıktılar oluşturmayı sağlar.
ComfyUI FLUX LoRA Trainer iş akışı, ComfyUI içinde FLUX mimarisini kullanarak bir LoRA eğitimi için çeşitli aşamalardan oluşur.
ComfyUI FLUX Seçimi ve Yapılandırması: FluxTrainModelSelect düğümü, UNET, VAE, CLIP ve CLIP metin kodlayıcı dahil olmak üzere eğitim için bileşenleri seçmek için kullanılır. OptimizerConfig düğümü, ComfyUI FLUX eğitimi için optimize ayarlarını yapılandırır, örneğin optimize türü, öğrenme oranı ve ağırlık azaltma. TrainDatasetGeneralConfig ve TrainDatasetAdd düğümleri, eğitim veri kümesini yapılandırmak için kullanılır, çözünürlük, artırma ayarları ve batch boyutları dahil.
ComfyUI FLUX Eğitim Başlatma: InitFluxLoRATraining düğümü, seçilen bileşenler, veri kümesi yapılandırması ve optimize ayarları kullanılarak LoRA eğitim sürecini başlatır. FluxTrainValidationSettings düğümü, doğrulama ayarlarını yapılandırır, örneğin doğrulama örneklerinin sayısı, çözünürlük ve batch boyutu.
ComfyUI FLUX Eğitim Döngüsü: FluxTrainLoop düğümü, belirli bir adım sayısı için LoRA eğitim döngüsünü gerçekleştirir. Her eğitim döngüsünden sonra, FluxTrainValidate düğümü, doğrulama ayarlarını kullanarak eğitilen LoRA'yı doğrular ve doğrulama çıktıları oluşturur. PreviewImage düğümü, doğrulama sonuçlarının önizlemesini gösterir. FluxTrainSave düğümü, belirli aralıklarla eğitilen LoRA'yı kaydeder.
ComfyUI FLUX Kayıp Görselleştirme: VisualizeLoss düğümü, eğitim sürecindeki kaybı görselleştirir. SaveImage düğümü, kayıp grafiğini daha fazla analiz için kaydeder.
ComfyUI FLUX Doğrulama Çıktı İşleme: AddLabel ve SomethingToString düğümleri, eğitim adımlarını belirten etiketleri doğrulama çıktısına ekler. ImageBatchMulti ve ImageConcatFromBatch düğümleri, doğrulama çıktısını tek bir sonuçta birleştirir ve birleştirir, daha kolay görselleştirme sağlar.
ComfyUI FLUX Eğitim Tamamlama: FluxTrainEnd düğümü, LoRA eğitim sürecini tamamlar ve eğitilen LoRA'yı kaydeder. UploadToHuggingFace düğümü, eğitilen LoRA'yı Hugging Face'e yüklemek için kullanılabilir, paylaşım ve ComfyUI FLUX ile daha fazla kullanım için.
ComfyUI Flux Latent Upscale iş akışı, gerekli bileşenleri yükleyerek başlar, CLIP (DualCLIPLoader), UNET (UNETLoader) ve VAE (VAELoader) dahil. Metin istemi, CLIPTextEncode düğümü kullanılarak kodlanır ve rehberlik FluxGuidance düğümü kullanılarak uygulanır.
SDXLEmptyLatentSizePicker+ düğümü, FLUX'ta yükseltme süreci için başlangıç noktası olarak boş latent temsili boyutunu belirtir. Latent temsil, LatentUpscale ve LatentCrop düğümleri kullanılarak bir dizi yükseltme ve kırpma adımından geçirilir.
Yükseltme süreci, kodlanmış metin koşullandırması tarafından yönlendirilir ve seçilen örnekleme yöntemi (KSamplerSelect) ve programlanmış gürültü seviyeleri (BasicScheduler) ile SamplerCustomAdvanced düğümü kullanılarak gerçekleştirilir. ModelSamplingFlux düğümü, örnekleme parametrelerini ayarlar.
Yükseltilmiş latent temsil, LatentCompositeMasked düğümü ve SolidMask ve FeatherMask düğümleri tarafından oluşturulan bir maske kullanılarak orijinal latent temsil ile birleştirilir. InjectLatentNoise+ düğümü, yükseltilmiş latent temsile gürültü ekler.
Son olarak, VAEDecode düğümü, yükseltilmiş latent temsili nihai çıktıya dönüştürür ve ImageSmartSharpen+ düğümü kullanılarak akıllı keskinleştirme uygulanır. PreviewImage düğümü, ComfyUI FLUX tarafından oluşturulan nihai çıktının önizlemesini gösterir.
ComfyUI FLUX Latent Upscaler iş akışı ayrıca, yükseltme süreci için boyutları, oranları ve diğer parametreleri hesaplamak için SimpleMath+, SimpleMathFloat+, SimpleMathInt+ ve SimpleMathPercent+ düğümlerini kullanarak çeşitli matematiksel işlemler içerir.
© Telif Hakkı 2024 RunComfy. Tüm Hakları Saklıdır.