ControlNet-v1-1_fp16_safetensors模型的性能评估和测试是一个持续的过程。通过不断地进行基准测试、压力测试和对比测试，我们可以确保模型在实际应用中的稳定性和可靠性。同时，我们也鼓励用户在评估过程中遵循规范化的流程，以便更好地理解和利用这一强大的深度学习工具。模型在 2000 万张高分辨率图像上进行了训练，每张图像都有描述性文本注释。它允许您恢复由详细的正面和负面文本提示指导的图像。这是根据非商业性 One 授权的，您只能将其用于研究目的。要进行深入研究，您可以浏览他们的研究论文。
安装路径
1. 如果您是新手，请安装 ComfyUI。
2. 通过选择“更新 ComfyUI”，从 Manager 更新 ComfyUI。https://github.com/kijai/ComfyUI-SUPIR
3. 移动到“ComfyUI/custom_nodes”文件夹。导航到文件夹地址栏并键入“cmd”以打开命令提示符。
通过输入下面提供的以下命令克隆存储库：
- git clone https://github.com/kijai/ComfyUI-SUPIR.gitCopyCode Copied
- git clone https://github.com/kijai/ComfyUI-SUPIR.git
4. 从 Kijai 的 Hugging Face 存储库下载 SUPIR 修剪模型。原始原始模型（如果需要）可以从 Camenduru 的存储库下载。
像往常一样，将它们放在 “ComfyUI/models/checkpoints” 文件夹中。
工作流程
1. 通过拖放，在 ComfyUI 中加载工作流。您可以在 “ComfyUI/custom_nodes/ComfyUI-SUPIR/examples” 文件夹中找到工作流程。
2. 将模糊的图片上传到 Load Image（加载图片）节点。
3. 从sdxl_model选项中选择基于 SDXL 的模型（如 DreamshaperXL、JuggernautXL 等）。
SUPIR 模型
从 SUPIR 模型加载器选项中选择相关模型。有两种版本：
SUPIR-v0F_fp16 - 使用光降解配置进行训练。
SUPIR-v0Q_fp16 - 使用默认设置进行训练。这是为了实现高度泛化，并且在大多数情况下会产生高图像质量。
👇SUPIR模型微调：
设置 “scale by” 参数进行放大，如 2x、3x 或 4x。您想要的像素越多，处理时间就越长。这完全取决于您的系统配置。对于 CFG、步骤、采样器和其他参数，请选择最适合您使用的 SDXL 模型的参数。
5. 正如官方报道的那样，他们在后台使用 LLAVA LLM 来提高整体性能，但它也可以在没有它的情况下工作。如果你也可以包括它。
6. 选择浮点类型。FP8 非常适合 Unet，因为它将帮助您减少 VRAM 并防止您出现内存不足错误。对 VAE 使用 “tiled_vae” 选项。好吧，图块大小可以从 1024 和 512 减少到 512 和 256 像素。
经过测试，我们了解到多张图像与人脸和动物配合效果更好。请记住，使用平铺选项也会减少 VRAM，但会增加系统 RAM。我们使用 3090 和 24 GB VRAM 进行了测试，3 倍和 4 倍放大很顺利，但使用 3060 12GB VRAM，它会导致内存错误。
7、最后，单击 queue 开始渲染。