Checkpoint加载器节点及类似节点介绍

本篇我们将从通过介绍Checkpoint加载器节点及相似性节点的使用方法，引导你学会搭建出一个基础的工作流。本次我们使用的依然是无阶未来为大家准备的通用工作流，这里是我们已经搭好的工作流文件，你可以进行下载并在此基础上自己进行修改。在无阶未来AI公众号后台回复【工作流】即可获取该工作流下载链接。

我们首先要介绍的是checkpoint加载器节点：

我们用默认工作流里的该节点引入，你可以看到后面“简易”两个字，这个简单节点用于加载最重要的大模型。

我们可以用做饭的过程来举例，你可以想想，做饭的流程是什么。首先你需要一个厨师，接着我们还需要食客对需要菜品的描述，之后厨师会将原材料进行烹饪并变成美味的菜肴。而在这里checkpoint加载器的作用就是选择厨师的部分。我们与此同时也可以看到它的输出有模型，CLIP，VAE三个输出部分。

模型部分连接了后面的K采样器节点的输入部分：K采样器节点的作用我们一样用做饭来类比，他就像是“烹饪中的定时尝味的动作”，帮助你抓住关键时刻的状态，从而调整整个过程。比如我们在做汤时，定时检查一下汤的味道，看看是否需要加盐的这个动作。

CLIP输出则连接到CLIP文本编码器节点部分，上面的CLIP节点中写的是正面提示词，这里写我们需要AI生成什么。下面的CLIP节点中写的是负面提示词，这里则写我们不需要的内容。

VAE则是接入VAE解码节点部分

后面我们会一一进行详细讲解，这里先简单介绍其作用和接在哪里。这是最简单的checkpoint加载器节点如何连接，那么下面我们来看同类型的节点：

Checkpoint Loader:

可以看到它是一个集成度非常高的节点，其输入为：lora_stack和cnet_stack，用于加载Lora堆和控制网堆。输出的部分为模型，正条件，负条件，Latent，VAE，CLIP，DEPENDENCIES多个输出。同时在该节点内也可以看到，在vae_name处选择载入的VAE，clip_skip的数值，可以载入Lora，可以控制Lora的强度，可以直接在这里写正面提示词和负面提示词。

你还可以在empty_lantent_width，height处直接调整长和宽，batch_size直接调整因此生成的批次数。一个Checkpoint Loader节点就集成了这么多功能，这也就是我们最开始默认的工作流里的checkpoint加载器节点被称为简易的原因。另外同样用于加载大模型功能的节点还有UNETLoader节点：

UNETLoader:

UNETLoader 节点旨在通过名称加载 U-Net 模型（例如Flux），方便在系统中使用预训练的 U-Net 架构。这个节点名称已更新为 Load Diffusion Model（中文：UNET加载器）

可以看到这个节点的作用也非常简单，就跟我们默认加载模型的节点一样，只需要选择要加载的模型以及相应剪枝类型即可。这个节点是专门用于加载UNET结构模型的。使用模型前记得了解其架构类型，选择合适的加载节点。

那么这就是本篇介绍的Checkpoint加载器节点及相似性节点，其节点功能主要用于加载大模型，虽然这几种节点具有一定的相似性，但在实际使用中更多变种在区别上多是输入输出部分的不同，需要根据具体工作流进行配置使用。同样我们会在下一篇《ComfyUI节点功能大全》中详细介绍【CLIP文本编码器及类似节点介绍】，欢迎感兴趣的小伙伴持续关注学习，我们致力于用最基础简单的语言，让你一键学会ComfyUI工作流！