.ai

en iyi açık kaynak yapay zeka modelleri

Ara

ComfyUI'de Load Diffusion Model düğümü

Load Diffusion Model (UNETLoader), Flux, SD3.5, Wan veya HunyuanVideo gibi modelleri models/diffusion_models klasöründen yükler. VRAM tasarrufu için fp8 seçeneği olan weight_dtype ayarı vardır.

Düğüm paketi: ComfyUI core

Kategori: Yükleyiciler

Load Diffusion Model ne yapar

Yeni model aileleri tek bir checkpoint olarak gelmiyor. Flux, SD3.5, Wan 2.x, HunyuanVideo, LTX ve Qwen-Image, ayrı bir transformer dosyası, metin kodlayıcıları ve bir VAE olarak geliyor. Load Diffusion Model sadece transformer dosyasını yükler ve MODEL olarak çıkarır; metin kodlayıcıları DualCLIPLoader veya Load CLIP ile, VAE ise Load VAE ile alınır.

weight_dtype seçeneği ağırlıkların bellekte nasıl duracağını belirler: varsayılan dosya hassasiyetini (bf16/fp16) korur, fp8_e4m3fn ve fp8_e5m2 ise VRAM ihtiyacını yarıya indirir ama küçük bir kalite kaybı olur. fp8_e4m3fn_fast, RTX 40 serisi kartlarda daha hızlı fp8 matris işlemi sağlar. GGUF kuantize dosyalar için ComfyUI-GGUF yükleyicisi gerekir.

Girişler

Ad	Tür	Ne olduğu
unet_name	COMBO	models/diffusion_models içindeki model dosyası (eski kurulumlarda models/unet).
weight_dtype	COMBO	default, fp8_e4m3fn, fp8_e4m3fn_fast veya fp8_e5m2. fp8 seçenekleri ağırlıkları 8 bitte saklayarak daha küçük kartlara uyum sağlar.

Çıkışlar

Ad	Tür	Ne olduğu
MODEL	MODEL	LoRA yükleyiciler, ModelSamplingFlux, rehberlik düğümleri ve KSampler için hazır gürültü giderme ağı.

Kurulumu atlayın: bulutta önceden yüklü ComfyUI iş akışları

BitVector hazır ComfyUI iş akışlarını kendi GPU'larında çalıştırır. Kurulum yok, eksik düğüm yok, kırmızı kutu yok. Telefonunuzdan veya dizüstünüzden açın, bir dakikada üretin.

BitVector’ı dene

Load Diffusion Model nasıl kullanılır

Transformer dosyasını (örneğin flux1-dev.safetensors) models/diffusion_models klasörüne indir.
Metin kodlayıcılarını models/text_encoders klasörüne (Flux için clip_l ve t5xxl) ve VAE'yi models/vae klasörüne indir.
Load Diffusion Model ekle ve dosyayı seç; 12 GB veya daha az VRAM varsa fp8_e4m3fn seç.
Metin kodlayıcıları için DualCLIPLoader ve VAE için Load VAE ekle.
MODEL'i KSampler'a, CLIP'i CLIP Text Encode'a, VAE'yi VAE Decode'a bağla ve latent için EmptySD3LatentImage kullan.

Ayarlar ve ipuçları

Flux Dev için cfg 1.0 ve Flux Guidance yaklaşık 3.5 olmalı; normal negatif prompt cfg 1'de etkisiz.
Dosya zaten fp8 checkpoint ise weight_dtype varsayılan kalsın; tekrar dönüştürmek fayda sağlamaz.
T5 de fp8 olarak yüklenebilir (t5xxl_fp8_e4m3fn.safetensors) ve 5 GB daha bellek tasarrufu sağlar.
LoRA ince ayarı veya eğitimi yaparken bf16 ağırlıkları kullan; sadece üretim için fp8 tercih et.
Düğüm adı yıllarca UNETLoader idi; "UNET" araması hala bulur.

Load Diffusion Model sorun giderme

HATA: Model türü tespit edilemedi

Neden olur

Dosya ComfyUI'nin tanıdığı bir diffusion transformer değil (örneğin tam checkpoint, LoRA veya diffusion_models klasörüne konmuş GGUF dosyası).

Nasıl düzeltilir

Tam checkpointler Load Checkpoint ile, LoRA'lar Load LoRA ile, .gguf dosyaları ComfyUI-GGUF paketindeki Unet Loader (GGUF) ile yüklenir. Model ailesi kurulumundan yeni ise ComfyUI güncelle.

Flux çıktısı bulanık veya tamamen gürültülü

Neden olur

Sampler ayarları SD iş akışından: Flux Guidance olmadan 1'in üzerinde cfg, EmptySD3LatentImage yerine Empty Latent Image kullanımı veya yanlış VAE (Flux ile SDXL VAE).

Nasıl düzeltilir

VAE olarak ae.safetensors kullan, EmptySD3LatentImage seç, cfg 1.0 yap, sampler olarak euler ve scheduler simple veya beta seç, 20-28 adım uygula ve Flux Guidance 3.5 ayarla.

24 GB Flux dosyası yüklenirken torch.OutOfMemoryError

Neden olur

bf16 dosya tek başına yaklaşık 24 GB VRAM ister; metin kodlayıcı fp16 ile 10 GB ekler.

Nasıl düzeltilir

weight_dtype'ı fp8_e4m3fn yap ve t5xxl'yi fp8 olarak yükle. 8 GB kartlarda GGUF Q4 veya Q5 dosyası ve GGUF yükleyici kullan, --lowvram ekle.

fp8_e4m3fn_fast GPU'mda yavaş veya hata veriyor

Neden olur

Hızlı yol RTX 40 serisi (Ada) veya daha yeni GPU ve güncel PyTorch gerektirir; eski kartlar yavaşlar veya hata verir.

Nasıl düzeltilir

RTX 30 ve daha eski kartlarda _fast olmayan fp8_e4m3fn seç.

Bu iş akışını telefonunuzdan çalıştırın

Bu sayfadaki her iş akışı, modeller ve özel düğümler hazır hâlde BitVector'da önceden yüklüdür. Birini seçin, prompt yazın, bitti. Sıfır kurulum, indirecek bir şey yok.

BitVector’ı dene

Load Diffusion Model hakkında sorular

Dosyayı nereye koymalıyım, models/unet mi yoksa models/diffusion_models mi?

İkisi de olur. diffusion_models güncel isim; unet eski kurulumlar için duruyor ve her iki klasör de taranıyor.

Bu düğüm metin kodlayıcıyı yüklüyor mu?

Hayır. DualCLIPLoader (iki kodlayıcı, Flux ve SD3) veya Load CLIP (bir kodlayıcı, Wan ve Hunyuan) ile birlikte kullan.

Load LoRA ile kullanabilir miyim?

Evet. Load LoRA, bu düğümden MODEL alır. Sadece modeli yamalayan Flux LoRA'lar için LoraLoaderModelOnly, CLIP girişi gerektirmez.

İlgili düğümler

Load Checkpoint

ComfyUI core

Load Checkpoint (CheckpointLoaderSimple), .safetensors veya .ckpt model dosyasını açar ve her iş akışının ihtiyacı olan üç parçayı verir: diffusion MODEL, CLIP metin kodlayıcı ve VAE.

DualCLIPLoader

ComfyUI core

DualCLIPLoader, örneğin Flux için clip_l ile t5xxl veya SD3 için clip_g ile t5xxl gibi, aynı anda iki metin kodlayıcıyı yükler ve prompt düğümleri için tek bir CLIP nesnesi çıkarır.

Load VAE

ComfyUI core

Load VAE (VAELoader), models/vae klasöründen bağımsız bir VAE dosyası yükler. Böylece VAE'si eksik veya zayıf olan bir checkpoint temiz renklerle decode eder ve Flux ile Wan gibi bölünmüş modeller kendi decoder'larını alır.

EmptySD3LatentImage

ComfyUI core

EmptySD3LatentImage, Flux, SD3 ve SD3.5'in ihtiyaç duyduğu 16 kanallı boş latent'i oluşturur; bu, o iş akışlarında Empty Latent Image'in yerine geçer.

Flux Guidance

ComfyUI core

Flux Guidance (FluxGuidance), Flux Dev'in beklediği şekilde yönlendirme değerini conditioning içine yazar, cfg'nin yerine geçer; varsayılan 3.5'tir ve 2 ile 5 arası kullanışlıdır.

Düğüm onarmaktan yoruldunuz mu? Bırakın bulut yapsın

BitVector yüzlerce ComfyUI iş akışını hızlı bulut GPU'larında yüklü, güncel ve test edilmiş tutar. Python yok, CUDA hatası yok, VRAM sınırı yok. Her tarayıcıda çalışır.

BitVector’ı dene