大家好，我是小志Jason。一個探索Latent Space的程序員。

之前0.9的時候出了一個SDXLMixSampler，現(xiàn)在更新一下功能。

前文：【玩轉(zhuǎn)SD】自制節(jié)點介紹SDXLMixSampler LatentByRatio

https://www.bilibili.com/read/cv25107377

首先解釋一下什么是loop，loop就是base+refiner共同跑完一次的結(jié)果，為止一次loop，

多重混合節(jié)點的目的是讓base+refiner跑完一次后，先不輸出結(jié)果，把第一次的結(jié)果作為下一個loop的latent image再跑一次base+refiner，來實現(xiàn)多次base+refiner的圖片。

這次主要更新的是把之前的total_steps改成了loop，不用自己算了，背后直接mix_steps*loop=total_steps。

兼容一次輸出多個loop的結(jié)果，但是由于每個loop的leftover_noise和結(jié)算步數(shù)都不一樣，所以不能簡單的輸出每次循環(huán)的latent image，背后需要每個循環(huán)都自己跑一次，所以出圖會比較慢。

所以默認的是final_only:yes，只輸出最后那個loop的結(jié)果，如果final_only:no，那就輸出每次循環(huán)的結(jié)果：

C站地址:

https://civitai.com/models/108594/sdxlmixsampler-comfyui-jnode-workflow-included

PS碎碎念:

經(jīng)過詢問和交流，感覺現(xiàn)在SDXL的lora還有微調(diào)都是不完善的。

SDXL的架構(gòu)是base+refiner等于完整輸出，而目前無論是lora還是微調(diào)，都集中在base模型那里，問題在于無論是lora還是微調(diào)，使用原來的refiner去添加細節(jié)，都會影響到lora和微調(diào)的訓(xùn)練出來的特征，讓訓(xùn)練的效果減弱。

所以現(xiàn)在的微調(diào)和lora不得不減少refiner的作用來保留訓(xùn)練的特征，這種做法我覺得是有違SDXL的架構(gòu)的，如果想使用SDXL的架構(gòu)來達到最好的效果，就需要有對應(yīng)的refiner訓(xùn)練。

比如base+base lora->refiner+refiner lora，fine tune base->fine tune refiner，這樣的流程來確保base和refiner都能向訓(xùn)練的特征偏移，才能實現(xiàn)最好的結(jié)果。

歡迎點贊投幣轉(zhuǎn)發(fā)加群

群號：866612947

驗證：小志Jason