Listas de datos y procesamiento de listas en ComfyUI
Cómo ComfyUI pasa datos entre nodos personalizados como listas de Python: envoltura de longitud uno, procesamiento de listas para lotes y INPUT_IS_LIST y OUTPUT_IS_LIST.
Internamente, el servidor de Comfy representa los datos que fluyen de un nodo al siguiente como una list de Python, normalmente de longitud 1, del tipo de dato correspondiente.
En el funcionamiento normal, cuando un nodo devuelve una salida, cada elemento de la tuple de salida se envuelve por separado en una lista (de longitud 1); luego, cuando se llama al
siguiente nodo, los datos se desenvuelven y se pasan a la función principal.
Por lo general, no necesitas preocuparte por esto, ya que Comfy hace el envoltorio y el desempaquetado.
Esto no tiene que ver con los lotes. Un lote (de, por ejemplo, latents o imágenes) es una sola entrada en la lista (consulta tipos de datos de tensores)
En algunas circunstancias se procesan varias instancias de datos en un solo flujo de trabajo, en cuyo caso los datos internos serán una lista que contiene esas instancias.
Un ejemplo de esto puede ser procesar una serie de imágenes de una en una para evitar quedarte sin VRAM, o manejar imágenes de distintos tamaños.De forma predeterminada, Comfy procesa los valores de la lista de manera secuencial:
si las entradas son lists de distinta longitud, las más cortas se rellenan repitiendo el último valor
el método principal se llama una vez por cada valor de las listas de entrada
las salidas son lists, y cada una tiene la misma longitud que la entrada más larga
El código relevante está en el método map_node_over_list de execution.py.Sin embargo, como Comfy envuelve las salidas de los nodos en una list de longitud uno, si la tuple que devuelve
un nodo personalizado contiene una list, esa list se envolverá y se tratará como un solo dato.
Para indicarle a Comfy que la lista que se devuelve no debe envolverse, sino tratarse como una serie de datos para procesamiento secuencial,
el nodo debe proporcionar un atributo de clase OUTPUT_IS_LIST, que es una tuple[bool] de la misma longitud que RETURN_TYPES, y que especifica
qué salidas deben tratarse de esa manera.Un nodo también puede anular el comportamiento predeterminado de las entradas y recibir la lista completa en una sola llamada. Esto se hace estableciendo el atributo de clase
INPUT_IS_LIST en True.Aquí tienes un ejemplo (con ligeras anotaciones) de los nodos integrados: ImageRebatch recibe uno o más lotes de imágenes (recibidos como una lista, porque INPUT_IS_LIST - True)
y los reagrupa en lotes del tamaño solicitado.
INPUT_IS_LIST es a nivel de nodo: todas las entradas reciben el mismo tratamiento. Así que el valor del widget batch_size se obtiene con batch_size[0].
class ImageRebatch: @classmethod def INPUT_TYPES(s): return {"required": { "images": ("IMAGE",), "batch_size": ("INT", {"default": 1, "min": 1, "max": 4096}) }} RETURN_TYPES = ("IMAGE",) INPUT_IS_LIST = True OUTPUT_IS_LIST = (True, ) FUNCTION = "rebatch" CATEGORY = "image/batch" def rebatch(self, images, batch_size): batch_size = batch_size[0] # todo llega como lista, así que batch_size es list[int] output_list = [] all_images = [] for img in images: # cada img es un lote de imágenes for i in range(img.shape[0]): # cada i es una sola imagen all_images.append(img[i:i+1]) for i in range(0, len(all_images), batch_size): # toma fragmentos de batch_size y convierte cada uno en un nuevo lote output_list.append(torch.cat(all_images[i:i+batch_size], dim=0)) # ¡fallará de forma horrible si los lotes de imágenes tenían distinto ancho o alto! return (output_list,)
