CheckpointLoaderKJ

El nodo CheckpointLoaderKJ se basa en el proceso de carga estándar añadiendo control sobre varias precisiones de peso (como FP8, FP16, BF16) y precisión de cálculo.

CheckpointLoaderKJ es un nodo experimental de carga de modelos diseñado para cargar modelos de Stable Diffusion desde archivos de punto de control. Su funcionalidad principal incluye cargar el modelo, el codificador de texto CLIP y el decodificador VAE, al mismo tiempo que admite optimizaciones de rendimiento específicas y ajustes de precisión para el modelo.

Funcionalidad del Nodo

Este nodo extiende el proceso de carga estándar añadiendo control sobre varias precisiones de peso (p. ej., FP8, FP16, BF16) y precisión de cálculo. Sus mecanismos técnicos clave incluyen usar opcionalmente CublasLinear para parchear las capas lineales de PyTorch y mejorar la eficiencia computacional, así como integrar SageAttention para reemplazar el mecanismo de atención predeterminado. Estas optimizaciones están diseñadas para mejorar la velocidad de inferencia o reducir el uso de VRAM en hardware específico (como GPU que admiten FP8).

Explicación de los Parámetros del Nodo - CheckpointLoaderKJ

Entradas (Inputs)

Nombre del Parámetro	Tipo de Dato	Requerido	Valor por Defecto	Rango de Valores/Opciones	Descripción
`ckpt_name`	FOLDER_PATHS	Sí	-	-	ckpt_name (Parámetro de entrada): Especifica el nombre del archivo de punto de control (modelo) a cargar. Este archivo debe estar dentro del directorio de modelos especificado por ComfyUI.

Parámetros de Control (Parameters)

Nombre del Parámetro	Tipo de Dato	Requerido	Valor por Defecto	Rango de Valores/Opciones	Descripción
`weight_dtype`	COMBO	Sí	default	"default", "fp8_e4m3fn", "fp8_e4m3fn_fast", "fp8_e5m2", "fp16", "bf16", "fp32"	Controla el uso de memoria y la precisión de cálculo.
`compute_dtype`	COMBO	Sí	default	"default", "fp16", "bf16", "fp32"	fp16, bf16, fp32. Afecta la precisión numérica durante el proceso de propagación hacia adelante.
`patch_cublaslinear`	BOOLEANO	Sí	False	-	Habilitar o deshabilitar el argumento cublas_ops.
`sage_attention`	COMBO	Sí	False	false, true	Parchear la atención de ComfyUI para usar sageattn.
`enable_fp16_accumulation`	BOOLEANO	Sí	False	-	Habilitar torch.backends.cuda.matmul.allow_fp16_accumulation, requiere una versión mínima de PyTorch 2.7.1.

Salidas (Output)

Nombre del Parámetro	Tipo de Dato	Descripción
MODEL	MODEL	MODEL (Parámetro de salida): El modelo principal de Stable Diffusion cargado, utilizado para la eliminación de ruido y generación de imágenes.
CLIP	CLIP	CLIP (Parámetro de salida): El codificador de texto CLIP, utilizado para convertir indicaciones de texto en vectores de incrustación comprensibles por el modelo.
VAE	VAE	VAE (Parámetro de salida): El autoencoder variacional, responsable de codificar y decodificar representaciones del espacio latente en imágenes de píxeles.

Escenarios de Uso

Este nodo es particularmente útil en flujos de trabajo que requieren un control preciso sobre la precisión del modelo para equilibrar velocidad y calidad. Por ejemplo, al implementar modelos optimizados para generación por lotes de imágenes, los usuarios pueden cargar primero el modelo con precisión FP8 usando este nodo, luego conectarlo a un KSampler para una inferencia eficiente. También se puede usar para probar el impacto de diferentes mecanismos de atención (como SageAttention) en los resultados de generación.

Notas

Tenga en cuenta que este es un nodo marcado como "experimental"; su funcionalidad puede ser inestable o cambiar con las actualizaciones de versión. Habilitar funciones como enable_fp16_accumulation requiere versiones específicas de PyTorch (2.7.1 o superior), y algunas optimizaciones (como FP8) requieren soporte de hardware.

Enlace al Código Fuente del Nodo CheckpointLoaderKJ

El nodo CheckpointLoaderKJ proviene del paquete de nodos ComfyUI-KJNodes.