前置知识卡
放大这件事,难点不在“按哪个按钮”,而在“你放的到底是图,还是像素”。下面三张卡决定你读第四节时会不会卡住。
潜空间与 VAE
精修发生在潜空间里,尺寸按 1/8 折算。看懂这一点,才知道“2 MP 进、8 MP 出”不是简单乘四。词义见下方速览;忘了就回看 L1-01 的 VAE 与 Latent。
flux-2-klein-base-9b-fp8.safetensors、qwen_3_8b_fp8mixed.safetensors(CLIP,把文字翻成编码的那个,类型 flux2)、full_encoder_small_decoder.safetensors(VAE)、4x-UltraSharp.pth,以及 rgthree 提供的 Image Comparer。原文件里那张 Stable Diffusion.png 是作者本机的示例图,换成你自己的图。
这一课会用到的词
| 词 | 英文原名 | 一句人话 | 一个反例 |
|---|---|---|---|
| 潜空间 | Latent Space | 把像素按 1/8 缩小后得到的那张草稿画布,模型在它上面改图。 | 不是“隐藏图层”,里面没有能直接看的完整图像。 |
| VAE | Variational Autoencoder | 一台有损翻译机:把像素翻成潜空间,再翻回像素。 | 不是滤镜,不会凭空补出原图没有的细节。 |
| CLIP | Contrastive Language-Image Pretraining | 把文字翻成模型听得懂的那串编码。 | 不是聊天模型;它不回答问题,只判断“这段文字配不配这张图”。 |
| 采样器 | Sampler | 决定每一步怎么擦掉噪声的算法。 | 不是“采样率”,和音频、统计抽样都没关系。 |
| CFG | Classifier-Free Guidance | 模型有多听提示词的话,也就是“听话程度”。 | 不是“创意度”:调高不会更有想象力,只会更硬。 |
| 种子 | Seed | 随机数的起点;设置全一样时,同一个种子能复现同一张。 | 不是图片编号,换机器或换版本仍可能有细微差别。 |
| 子图 | Subgraph | 把一串节点打包成一个节点,点开才看得到里面。 | 不是分组框:分组只是画布上的框,子图真的参与执行。 |
| 归一 | normalize / rescale | 把图的像素量缩到指定值,比如先统一到 2 MP。 | 不是放大:它也可能把大图缩小。 |
| denoise | Denoising Strength | 从噪声路径的哪一段起手:1.0 从纯噪声起手(全重画),值越小越靠后起手、保留的原图越多。 | 不是“重画百分比”:它只说从哪起手,走几步由 steps 决定;08 课专门讲。 |
工作流全景图
先看“哪条线活着”。07 号画布上有两条并排的放大支路,但只有下面那条接到了 SaveImage。上面那条在 #4 处断掉,这是本课最重要的一张图。
读图顺序:先看 A 段三块,#1 → #390 → #384,这是唯一会落盘的链路。再看 #390 底下那条分给对比器的短线。最后看 B 段:它在 #4 之后没有任何连线。
四步放大到底放大了什么
#390 里面不是一次放大,而是四段:归一 → 精修 → 模型放大 → 再归一。中间产物一度接近 32 MP,但最后被夹回 8 MP。像素量涨得很快,信息量并不会跟着涨。
逐节点拆解
参数全部读自 07📚基础版 高清放大.json,节点编号与文件一致。子图里的编号(#363 起)是子图内部编号,和顶层编号不冲突。
顶层:入口、出口、对比器
共 8 个顶层节点整张图的输入。它的 IMAGE 同时喂给三个地方:#390 子图、#2 模型放大、#6 对比器 A 面。三条线,只有中间那条有下文。
这是作者本机的示例图。换电脑后文件名会变成上传哈希名,必须重新选图。
它只吃 #390 的输出。换句话说:07 号出图 = #390 里四步放大的结果,跟左边那条 4× 支路没有关系。
A 面是原图,B 面是 #390 的成品。它是你唯一能“同一屏看放大前后”的位置,调参时别关它。
那个折叠了四层的子图
#390 → #389 → #388 → #387四层定义全部叫 New Subgraph,前三层各只有一个节点,真身在最后一层,共 22 个节点。展开时要点四次。
第一、二步:先归一到 2 MP,再精修一步
子图前半段不按固定宽高缩放,而是把总像素量拉到 2 MP,比例不变。这一步决定了后面潜空间的尺寸。
把归一后的宽高读出来,同时喂给空 latent(一张空白的草稿画布)和调度器。Flux2 不是普通 KSampler:它没有 steps、cfg、denoise 三个旋钮,步数挪到了调度器里。denoise 管“重画多少”,08 课细讲。
Flux2 的 UNET、文本编码器、VAE 各来一个。注意 CLIP 类型必须是 flux2,选错直接报红。
文本只有一句 8K,4K,增加细节,经 CLIPTextEncode 后过一层 ReferenceLatent,再进 CFGGuider 的第一个槽。这个槽是正向。ReferenceLatent 的作用是把参考图的潜变量一起送进采样,让精修时有个对照,不至于越修越远。
空字符串,同样过一层 ReferenceLatent,进第二个槽。这个槽是负向。两条 ReferenceLatent 共用同一个 latent(#371),所以正负向在“参考图”这一层是对称的。
KSamplerSelect 选 euler,RandomNoise 给种子,Flux2Scheduler 给 sigma,最后汇进 SamplerCustomAdvanced。所谓“精修一步”,就是这里的 steps 1。
第三、四步:抢色、模型放大、封顶
子图后半段Flux2 解码后的图先和原图做一次颜色匹配,再交给放大模型。它解决的是精修后整体偏色,不是锐度。
这一步才是模型放大。它和左边那条死端支路用的是同一个权重文件,区别只在于这里接上了下游。
4× 之后像素量会冲到三十多 MP,这里一刀切回 8 MP,再输出给 #390 的出口。所以“4×”不是最终倍数,只是中间过程。
那条停在半路的支路
分组「直接放大模型算法」链路本身是完整的:#3 载入 4x-UltraSharp,#2 做模型放大,#4 再把结果缩到 0.5 倍。但 #4 的 outputs[0].links 是空数组,没有任何节点吃它的图。
注释写着 0.25 一倍 / 0.5 两倍 / 0.75 三倍。这是净值倍数的换算表,因为 4× 模型已经先把图放大四倍:4 × 0.25 = 1,4 × 0.5 = 2,4 × 0.75 = 3。
所以 #4 里的 0.5 不是“缩一半”,而是“最终两倍”。这两个数很容易看反。
参数速查表
放大课真正要动的只有六行:两个 megapixels、精修步数、放大模型、以及那个容易看反的 scale_by。
| 参数 | 现值 | 位置 | 调大之后 | 调小之后 | 建议区间 |
|---|---|---|---|---|---|
| 精修前归一 | 2.0 MP | #378 megapixels | 精修阶段细节更多,显存与时耗一起涨 | 更快,但精修补不出细部 | 1.5 – 3.0 |
| 精修步数 | 1 | #382 Flux2Scheduler steps | 2–4 步会重绘更多,可能改掉原图内容 | 0 步等于只做缩放,没有精修 | 1 – 2 |
| 引导强度 | 1.0 | #364 CFGGuider | 更听提示词,Flux2 上容易发硬 | 更自由,接近纯放大 | 1.0 – 1.5 |
| 放大模型 | 4x-UltraSharp | #380 model_name | 换更强的模型(如 4x 系列其他权重)细节更锐,但可能过锐 | 换 2× 模型则需重算倍数 | 4× 通用模型 |
| 最终封顶 | 8 MP | #386 megapixels | 出图更大,显存和写盘时间明显增加 | 更轻,但 4× 的收益被丢掉一部分 | 4 – 8 |
| 死端缩放 | 0.5 | #4 scale_by | 净值 3 倍(0.75)或 4 倍(1.0) | 净值 1 倍(0.25) | —(本段未接线) |
| 采样器 | euler | #363 KSamplerSelect | 改其他采样器主要影响质感,1 步下差异很小 | — | euler |
| 对比器 A 面 | 原图 | #6 image_a | 换成放大后的图会让对比失去意义 | — | 保持原图 |
踩坑
07 号有七个“看一眼就误会”的地方。第一处会让你以为自己在用 UltraSharp 直出。第二处是别人常误判的接线方向,这里给出复核结论。
一条“看起来在放大”的支路,其实没接到输出
#3 载入 4x-UltraSharp,#2 做模型放大,#4 再缩 0.5 倍。链路完整、参数齐全、还配了 Note,但它最后一步的 outputs[0].links 是空数组。SaveImage 只吃 #390。
结果:你对比了半天,发现“放大前后没区别”——因为放大后的图根本没被保存。
修法:给 #4 单独接一个 SaveImage,专门存一张对比图;或者把整段删掉。留着它最危险的地方不是浪费,是让你误判。
正负向没有接反,这条不要当坑改
复核方式:从 CFGGuider 的输入槽往上追两条线。slot 1(positive)来自 #372 ReferenceLatent,再往上是 #381 正向 CLIPTextEncode,文字来自 #377 的 8K,4K,增加细节。slot 2(negative)来自 #370 ReferenceLatent,再往上是 #369 的空字符串。
两条 ReferenceLatent 共用同一个 latent(#371),视觉上线挤在一起,容易被看成一团。但方向是对的:正向走 slot 1,负向走 slot 2。
结论:不要改。把它记成“易误读但正确”,比记成“坑”更有用。
四层同名子图,越点越深
#390 → #389 → #388 → #387 四层定义全叫 New Subgraph,前三层各只有 1 个节点,真正的 22 个节点在最后一层。找参数时要连点四次,中途很容易以为“这个子图是空的”。
修法:重命名为「Flux2 一步精修 + 4× 放大」,删掉三层空壳;至少在子图描述里写清输入是 IMAGE、输出是 IMAGE。
0.5 不是“缩一半”,是“净值两倍”
#18 的注释写的是 0.25 一倍 / 0.5 两倍 / 0.75 三倍,因为有 4× 模型在前面。把 0.5 理解成缩小,就会得出“这条链在降分辨率”的错误结论。
修法:读这个参数时先乘 4 再理解;或者在 Note 里直接写“净值倍数”。
放大后偏色,先看 ColorMatch 有没有被静音
精修一步之后,Flux2 常把整体色温拉偏。ColorMatch 用原图做参考把颜色拽回来。如果它被静音,你会以为是放大模型改了色,转头去换模型,白折腾。
修法:排查顺序固定成“先看 #379 是否启用,再看 #380 模型名,最后才换权重”。
输入是示例图,不是你的图
Stable Diffusion.png 是作者本机文件。换电脑后这个下拉框会变成空或报红,但节点本身不报错,只是没图可读。
修法:准备一张自己的 1024 级别图,放进 input 目录,重新在 #1 选择;同时把文件名改成可追溯格式,如 07_src_001.png。
8 MP 是硬上限,也是显存上限
4× 之后的中间图接近 32 MP,随后被 #386 夹到 8 MP。真正吃显存的是那一段中间产物;把 #386 调到 16 MP,多数 8 GB 显存会直接崩。
修法:先稳在 4–8 MP;要更大就分段放(先 8 MP 出图,再用另一套放大流程继续),不要一次拉满。
动手练习 + 自检清单
每个练习只改一个变量。做完你会对“像素量 ≠ 信息量”有一手的体感。
先证明哪条线是活的
打开 07 号,把 #384 静音后排队。再只把 #4 接到一个新的 SaveImage 上排队。两次各出几张,看输出目录多了什么。
点数四次
从 #390 开始连点四层,一路点到 22 个节点的真身,把路径写下来:390 → 389 → 388 → 387。
2 MP 对 3 MP
固定种子,只改 #378 的 megapixels:1.5 / 2.0 / 3.0 各跑一次,把三张并排。
精修 0 / 1 / 2 步
把 #382 的 steps 依次改成 0、1、2,其余不动。
关掉 ColorMatch
静音 #379,同 seed 再跑一次,与开启时对比色温与饱和度。
把死端修成对照组
按第六节修法,给 #4 接一个 SaveImage,前缀改成 07_direct_4x;再用 #386 相同尺寸输出一张 07_flux_8mp。
自检清单(勾选状态会存在本机)
- 我能指出 07 号真正的输出链是 #1 → #390 → #384。
- 我知道 #3 → #2 → #4 断在 #4 的 links 为空。
- 我能说出四步放大各自的节点编号。
- 我知道最终是 8 MP,不是 4× 后的三十多 MP。
- 我能解释 #4 的 0.5 为什么等于净值两倍。
- 我确认过正负向接法正确,不会去“修”它。
- 我做过一次 2 MP 与 3 MP 的并排对比。