- pub
四种方法在 CFG 大于 1 的情况下运行 Flux
引言：在高 CFG 下运行 Flux AI
在高 CFG（无分类器引导）值下运行 Flux AI 模型可能有点复杂，但这样做对更好地遵循提示词和提高图像质量非常重要。CFG 设置对图像生成非常关键，充分利用它的潜力可以得出更令人满意的结果。在这篇指南里，我们会探讨几种在 CFG > 1 下高效运行 Flux AI 的方法，并深入了解 True CFG 的新发现。
解决方案：在高 CFG 下运行 Flux AI 的四种方法
这里是一些有前景的方法：
- AutomaticCFG
- Tonemap
- DynamicThresholding
- SkimmedCFG
这些方法能帮助避免在高 CFG 值下常见的“CFG 烧焦”问题。CFG 烧焦可能会影响生成图像的质量，但是这些方法提供了不错的解决方案。
资源和链接
要使用这些方法，你需要一些特定的资源：
使用 AutomaticCFG
实现 AutomaticCFG 的步骤
- 下载和安装：从上面的 GitHub 仓库获取 AutomaticCFG。
- 配置：调整工具中的 CFG 设置，以符合你的图像生成需求。
- 执行：运行启用 AutomaticCFG 的图像生成过程。
优点
- 维护提示词的一致性。
- 在速度和质量之间取得良好的平衡。
缺点
- 可能会降低推理速度。
使用 Tonemap
实现 Tonemap 的步骤
- 下载和安装：从链接的 GitHub 仓库获取 Tonemap 模块。
- 自定义：根据需要自定义 Tonemap 节点，以增强其功能；
- 执行：在你的图像生成任务中使用配置好的 Tonemap。
优点
- 提供可自定义的节点。
- 具有很强的提示词一致性。
缺点
- 需要一些初始配置。
使用 DynamicThresholding
实现 DynamicThresholding 的步骤
- 下载和安装：从提供的 GitHub 链接中获取 DynamicThresholding。
- 参数调整：调整“要限制的潜在百分位数”；目标在 0.95 到 0.999 之间。
- 执行：运用调整好的参数运行图像生成过程。
优点
- 允许对生成的图像进行精细控制。
- 防止过饱和和灰度问题。
缺点
- 需要仔细调整参数，可能需要一些实验。
使用 SkimmedCFG
实现 SkimmedCFG 的步骤
- 下载和安装：从其 GitHub 仓库获取 SkimmedCFG。
- 配置：根据这个 工作流程示例 来配置设置。
- 执行：在你图像生成过程中使用 SkimmedCFG。
优点
- 简单易用。
- 在最小化 CFG 烧焦的情况下提供不错的结果。
缺点
- 可能没有其他方法那样可自定义。
优化你的设置
对于每种方法，微调特定参数能显著提升图像质量。例如：
- DynamicThresholding：调试“要限制的潜在百分位数”，找到最佳值。
- Tonemap：自定义节点设置可以带来更好的结果。
适用场景
每种方法都有其独特的优点，适合不同的场景：
- AutomaticCFG 和 Tonemap：适合确保提示词一致性。
- DynamicThresholding：适合对图像进行精细控制。
- SkimmedCFG：在易用性和良好结果之间取得平衡的选项。
局限性和缺点
虽然这些方法很有效，但也是有一定局限的：
- AutomaticCFG 和 Tonemap：推理时间较慢。
- DynamicThresholding：设置不当会导致不必要的伪影。
新见解：True CFG 和负提示词
最近，HuggingFace 的一名开发者发现了“True CFG”，它在 Flux 中支持负提示词。这种新方法更加有效地平衡了 CFG 值，从而提高图像质量和提示词一致性。
在 Flux 中实现 True CFG 的步骤
- 下载资源：使用这些链接中的实现和示例：
- 配置：按照示例中的设置说明进行配置。
- 执行：在你的 flux 模型设置中启用“True CFG”，并测试不同 CFG 值的性能。
True CFG 的好处
- 支持负提示词。
- 更有效地平衡 CFG 值，增强图像生成的灵活性和精准度。
True CFG 的缺点
- 需要更高的 CFG 值来支持负提示词，这会导致生成时间加倍。
保持 Flux 生成的高效性
为了保持图像生成的高效性：
- 初始阶段尽量少调整参数，以观察逐步效果。
- 利用结合 SkimmedCFG 和 DynamicThresholding 等方法的工作流程。
- 借助社区的见解和在线提供的示例工作流程。
常见问题
1. Flux AI 中的 CFG 是什么？
CFG 是无分类器引导的缩写。它是影响生成过程中的提示词一致性和图像质量的设置。
2. 为什么 DynamicThresholding 有时会导致灰色图像？
如果“要限制的潜在百分位数”设置不正确，就会发生这种情况。尝试设置在 0.95 到 0.999 之间的值以获得最佳效果。
3. 如何避免 CFG 烧焦？
使用 AutomaticCFG 和 DynamicThresholding 等方法有帮助。仔细调整参数也能防止烧焦。
4. True CFG 是什么？
True CFG 是 HuggingFace 的一名开发者发现的一种方法，它支持负提示词并更有效地平衡 CFG 值。
5. 使用这些方法有权衡吗？
有的，像 AutomaticCFG 和 True CFG 之类的方法可能会降低推理时间，但能提高提示词一致性和图像质量。
6. 我可以将这些方法用于商业目的吗？
虽然 Flux AI 是可以自由使用的，但仍需查看商业用途的许可条款。
7. 使用负提示词会降低图像生成速度吗？
会，通常需要额外的条件传递，这会使生成时间加倍。
8. 我可以将这些方法结合使用以获得更好的结果吗？
绝对可以，像将 SkimmedCFG 和 DynamicThresholding 结合使用可以获得更好的结果，这在几个社区工作流程中都有体现。
这些方法为在高 CFG 值下运行 Flux AI 提供了全面的工具，确保你能用提示词得到最好的图像。