​
延迟求值

默认情况下，在节点运行之前，所有 required 和 optional 输入都会被求值。然而，有时某些输入可能不会被使用，对其进行求值会导致不必要的处理。以下是一些可能从延迟求值中受益的节点示例：

  1. 一个 ModelMergeSimple 节点，其中比例要么是 0.0（这种情况下不需要加载第一个模型） 要么是 1.0（这种情况下不需要加载第二个模型）。
  2. 两个图像之间的插值，其中比例（或蒙版）要么完全是 0.0 要么完全是 1.0。
  3. 一个 Switch 节点，其中一个输入决定其他输入中的哪一个会被传递。
将输入设置为延迟求值的成本非常低。如果可以实现，通常都应该这样做。

​
创建延迟输入

将输入设置为”延迟”输入需要两个步骤：

  1. 在 INPUT_TYPES 返回的字典中将输入标记为延迟
  2. 定义一个名为 check_lazy_status 的方法（注意：不是类方法），该方法将在求值之前被调用来确定是否需要更多输入。

为了演示这些，我们将创建一个”MixImages”节点，它根据蒙版在两个图像之间进行插值。如果整个蒙版都是 0.0，我们不需要对第二个图像之前的任何部分进行求值。如果整个蒙版都是 1.0，我们可以跳过对第一个图像的求值。

​
定义 INPUT_TYPES

将输入声明为延迟输入很简单，只需在输入的选项字典中添加一个 lazy: True 键值对即可。

@classmethod
def INPUT_TYPES(cls):
    return {
        "required": {
            "image1": ("IMAGE",{"lazy": True}),
            "image2": ("IMAGE",{"lazy": True}),
            "mask": ("MASK",),
        },
    }

在这个例子中，image1 和 image2 都被标记为延迟输入，但 mask 总是会被求值。

​
定义 check_lazy_status

一个 check_lazy_status 方法在存在一个或多个尚未可用的延迟输入时被调用。这个方法接收与标准执行函数相同的参数。所有可用的输入都会以其最终值传递，而不可用的延迟输入则会有一个 None 值。

check_lazy_status 方法的责任是返回一个列表，其中包含任何需要继续执行的延迟输入的名称。如果所有延迟输入都可用，该方法应返回一个空列表。

注意，check_lazy_status 方法可能会被多次调用。例如，你可能在评估一个延迟输入后发现需要评估另一个延迟输入。

注意，因为该方法使用实际的输入值，所以它不是类方法。
def check_lazy_status(self, mask, image1, image2):
    mask_min = mask.min()
    mask_max = mask.max()
    needed = []
    if image1 is None and (mask_min != 1.0 or mask_max != 1.0):
        needed.append("image1")
    if image2 is None and (mask_min != 0.0 or mask_max != 0.0):
        needed.append("image2")
    return needed

​
完整示例

class LazyMixImages:
    @classmethod
    def INPUT_TYPES(cls):
        return {
            "required": {
                "image1": ("IMAGE",{"lazy": True}),
                "image2": ("IMAGE",{"lazy": True}),
                "mask": ("MASK",),
            },
        }

    RETURN_TYPES = ("IMAGE",)
    FUNCTION = "mix"

    CATEGORY = "Examples"

    def check_lazy_status(self, mask, image1, image2):
        mask_min = mask.min()
        mask_max = mask.max()
        needed = []
        if image1 is None and (mask_min != 1.0 or mask_max != 1.0):
            needed.append("image1")
        if image2 is None and (mask_min != 0.0 or mask_max != 0.0):
            needed.append("image2")
        return needed

    # Not trying to handle different batch sizes here just to keep the demo simple
    def mix(self, mask, image1, image2):
        mask_min = mask.min()
        mask_max = mask.max()
        if mask_min == 0.0 and mask_max == 0.0:
            return (image1,)
        elif mask_min == 1.0 and mask_max == 1.0:
            return (image2,)

        result = image1 * (1. - mask) + image2 * mask,
        return (result[0],)

​
执行阻塞

虽然延迟求值是推荐的方式来”禁用”图的一部分，但有时你想要禁用一个没有实现延迟求值的 OUTPUT 节点。如果是你开发的节点，你应该按照以下方式添加延迟求值：

  1. 添加一个 enabled 的必需（如果这是一个新节点）或可选（如果你关心向后兼容性）输入，默认值为 True
  2. 将所有其他输入设置为延迟输入
  3. 仅在 enabled 为 True 时评估其他输入

如果你无法控制该节点，你可以使用 comfy_execution.graph.ExecutionBlocker。这个特殊对象可以作为任何输出端口的返回值。任何接收到 ExecutionBlocker 作为输入的节点都会跳过执行，并将该 ExecutionBlocker 作为其所有输出返回。

ExecutionBlocker 故意设计为无法阻止其向前传播。 如果你认为需要这种功能，你应该使用延迟求值。

​
使用方法

有两种方式可以构造和使用 ExecutionBlocker：

  1. 向构造函数传入 None 来静默阻止执行。这在阻止执行是成功运行的一部分时很有用——比如禁用某个输出。
def silent_passthrough(self, passthrough, blocked):
    if blocked:
        return (ExecutionBlocker(None),)
    else:
        return (passthrough,)
  1. 向构造函数传入一个字符串，当节点因接收到该对象而被阻止执行时显示错误消息。这在你想显示有意义的错误消息时很有用，比如当有人使用无意义的输出时——例如，加载不包含 VAE 的模型时的 VAE 输出。
def load_checkpoint(self, ckpt_name):
    ckpt_path = folder_paths.get_full_path("checkpoints", ckpt_name)
    model, clip, vae = load_checkpoint(ckpt_path)
    if vae is None:
        # 这个错误信息比在后续节点中出现 "'NoneType' has no attribute" 错误更有用
        vae = ExecutionBlocker(f"No VAE contained in the loaded model {ckpt_name}")
    return (model, clip, vae)