Nanosaur2-670M采样引导模式指南:cfg、path_drop与alternate三种策略完整对比
Nanosaur2-670M采样引导模式指南:cfg、path_drop与alternate三种策略完整对比
Nanosaur2-670M 是一款仅 670M 参数、总训练成本仅 600 美元的 ComfyUI 文生图 DiT 模型。本文带你一文看懂它内置的 cfg、path_drop、alternate 三种采样引导模式(guidance),告诉你各自的原理、速度、优缺点,以及新手该如何选择,快速拿到最佳出图效果。
什么是引导模式(guidance)?
在扩散模型采样时,模型每一步会分别处理**正向提示词(positive prompt)和负向提示词(negative prompt)**两份条件,再用两者的差值把画面"推离"负向描述、"拉近"正向描述——这个过程就是引导。
引导强度由 KSampler 的 cfg 参数控制,官方推荐 CFG 4(采样器 Euler simple,50 步,shift 3 已内置在模型中)。
而引导模式决定的是:处理负向条件的那一次前向传播,模型内部要"跑多重的计算"。这正是 Nanosaur2-670M 的特色设计,在 nodes.py 中共定义了三种:
GUIDANCE_MODES = ["alternate", "cfg", "path_drop"]
快速选择:三种模式一览表
| 模式 | 负向条件走的计算量 | 速度 | 效果定位 | 适合场景 |
|---|---|---|---|---|
cfg |
完整模型(全部块) | 最慢 | 引导最强、最"传统" | 追求提示词严格贴合时 |
path_drop |
跳过 SPRINT 稀疏中间块 | 最快 | 引导略弱、省算力 | 批量出图、算力紧张 |
alternate(默认) |
偶数步完整、奇数步跳过中间块 | 居中 | 速度与引导的平衡点 | 日常使用,官方推荐 ✅ |
cfg 模式:传统完整引导
cfg 模式下,负向提示词会完整走一遍整个模型(18 个 DiT 块全跑)。
- 优点:负向条件信息利用最充分,对负向提示词(如
oldest, low quality, blurry, bad anatomy)的压制最彻底,出图与提示词的贴合度上限最高。 - 缺点:每个采样步都要做"完整 + 完整"两次前向,耗时最长。对一个强调"低算力"的 670M 模型来说,这是相对奢侈的用法。
- 适用:当你发现画面反复出现负向提示词中想排除的元素(如水印、变形肢体),且当前模式压不住时,可切到
cfg再试。
path_drop 模式:跳过稀疏中间块的快速引导
这是由 SPRINT 论文启发的"路径丢弃"(path-drop)引导,在 model.py 中由 sparse_path 实现:
-
18 个块中,首 2 个块(F)和尾 2 个块(H)永远执行,中间的 14 个"稀疏中间块"负责残差精修。
-
path_drop模式下,负向条件的前向传播会直接跳过这 14 个中间块,只走骨架路径,计算量大幅下降。 -
模型在训练阶段就特意学会了这种"跳过中间块的无条件路径":去文本样本有 50% 概率跳过中间块,普通样本 5% 概率,因此推理时走这条路不会出偏差。
-
优点:最快,负向传播成本近乎减半,适合出图量大或显存/时间紧张的场景。
-
缺点:负向引导能力略弱于完整引导,负向提示词的执行可能"打折扣"。
alternate 模式:默认推荐的最佳平衡点
alternate(默认值)是两种策略的交替混合:采样步偶数步走完整 cfg,奇数步走 path_drop,调度逻辑见 nodes.py 的 sparse_skip_rows:
- 优点:约一半的负向传播被省掉,速度明显快于
cfg;同时保留了偶数步的完整引导,效果与纯cfg接近。节点 tooltip 也明确标注了 "alternate: …(recommended)",是官方推荐档位。 - 缺点:相比纯
path_drop仍多耗时间;如果你追求极致出图速度,它不是最快选项。 - 适用:绝大多数日常出图场景,直接保持默认即可。
实操指南:在 ComfyUI 中切换引导模式
- 将 nanosaur2_support 放入 ComfyUI 的
custom_nodes,三个权重文件按 README 表格放入对应models子目录。 - 把 nanosaur2_workflow.json 拖入 ComfyUI 即可加载完整工作流。
- 在 Nanosaur2Loader 节点的第 4 个下拉框中选择引导模式(默认
alternate)。 - 保持推荐参数:
euler+simple、CFG 4、50 步、1024x 分辨率桶。 - 提示词遵循格式:正向加
newest, masterpiece,负向加oldest, low quality;需要强调画师风格时可用(artist:4)这类加权写法。
常见问题:出图不满意先调什么?
- 负向词没生效(水印、畸形手指反复出现)→ 先换
cfg模式,确认是引导强度问题再调整负向提示词。 - 出图太慢 → 换
path_drop,或在保持alternate的前提下减少步数。 - 画面偏"灰"或细节不足 → 这是模型训练算力有限(11 个 H100 天)的客观上限,换模式改善有限,可尝试 LoRA 微调,训练脚本见 train_lora.py。
- 想固定/复现结果 → 采样器 seed 设为
fixed并记录数值即可。
总结:新手怎么选?
- 默认就用
alternate,它是速度和质量的最佳平衡,官方推荐。 - 追求严格贴合提示词 →
cfg。 - 追求出图速度 →
path_drop。
三种模式只需在 Nanosaur2Loader 节点一处切换,配合 CFG 4 的推荐设置,就能以极小的算力成本体验到这款"600 美元训练出来的" DiT 文生图模型的完整能力。
