Efficient Loader
节点功能：该节点是集成功能节点可以完成大模型的加载，lora加载，正反向提示词输入，潜空间大小设置，并且支持多个lora和多个controlnet的加载，根据dependencies还可以完成XY plot的生成。Efficient
节点中英文对比
Efficient Loader
ckpt_name
vae_name
clip_skip
lora_name
lora_model_strength
lora_clip_strength
positive
negative
token_normalization
weight_interpretation
empty_latent_width
empty_latent_height
batch_size
Efficient Loader
ckpt_name
vae_name
clip_skip
lora_name
lora_model_strength
lora_clip_strength
positive
negative
token_normalization
weight_interpretation
empty_latent_width
empty_latent_height
batch_size
Efficient Loader - 参数说明
输入参数
lora_stack
可选多个 LoRA 的堆叠加载。
cnet_stack
控制图堆栈，自动应用多条 ControlNet 结构。
输出参数
MODEL
加载后的主模型对象。
CONDITIONING+
编码后的正向提示词条件。
CONDITIONING-
编码后的负向提示词条件。
LATENT
初始潜空图像张量。
VAE
所加载的 VAE 模型对象。
CLIP
所加载的文本编码器。
DEPENDENCIES
所有加载项与参数记录的依赖信息。
控件参数
ckpt_name
选择要加载的主模型 checkpoint 名称。
vae_name
可选编解码模型名称，选择 “Baked VAE” 表示使用 checkpoint 自带的 VAE。
clip_skip
控制 CLIP 模型跳过的 transformer 层数，负值用于高级配置。
lora_name
要加载的 LoRA 模型名称，“None” 表示不加载。
lora_model_strength
LoRA 模型在 UNet 上的权重强度。
lora_clip_strength
LoRA 模型在 CLIP 上的权重强度。
positive
正向提示词。
negative
负向提示词。
token_normalization
提示词权重归一化方式。
none：不处理，保持权重原始状态。
mean：取权重平均值，使各提示词作用均衡。
length：依提示词长度调整，长词权重高。
length+mean：综合两者，适配多数场景，推荐使用。
weight_interpretation
解释提示词中括号权重方式。
comfy：ComfyUI 默认权重解释方式，满足一般需求。
A1111：源于 StableDiffusion WebUI，符合部分用户习惯。
compel：重语义结构，处理复杂提示词有优势。
comfy++：优化 ComfyUI 方式，增强自然性，推荐使用。
down_weight：降低提示词权重，抑制部分影响。
empty_latent_width
空 latent 图像的宽度，必须是 64 的倍数。
empty_latent_height
空 latent 图像的高度，必须是 64 的倍数。
batch_size
同时生成的图像张数。
暂无节点说明