今天我们一起来学习ComfyUI的工作流。对于学习一个新东西来说，最好的教程永远是官网提供的示例。
这里我就以官网的示例来进行说明，接着进行举一反三。
这样才能让我们快速掌握并走的更远。
官网教程：https://comfyanonymous.github.io/ComfyUI_examples/2_pass_txt2img/
文中资料下载：https://pan.quark.cn/s/46a899c45618
官网示例
小贴士：对于刚加载进来的工作流，我们也不知道本地的模型是否都存在，所以最好的做法是加载后直接点击右侧的运行，看看本地缺少哪些大模型文件，再根据提示中模型文件名称来下载它们。建议获取到模型名称和模型下载地址后使用常见的ftp下载工具下载，ComfyUI模型管理那的下载速度实在太慢啦！
注：没有ComfyUI的朋友可以看我昨天的文章。
新手零基础学习 ComfyUI，超详细ComfyUI 入门指南教程
工作流功能：该工作流使用文生图生成图片，再使用放大器进行缩放，而后处理完毕后，把图片进行保存；
加载此工作流：可以把这个图片拖到页面上，工作流就被加载进来了。
阅读顺序：这些工作流的阅读，跟我们看书一样，从左到右从上往下这个阅读顺序。
流程说明：
1.节点1、节点2节点3、节点5主要是为了节点4提供一些基础原材料数据，让节点4可以安心生成Latent；
2.节点4使用前面的基础原材料进行加工，生成Latent；
3.节点7、节点8和节点10、节点11把Latent转换成人可以查看的图片再保存起来；
4.节点6是对节点4的Latent进行缩放处理，并仍输出Latent；
5.节点9是对节点6的Latent和其他基础原材料数据进行处理，最终生成新的Latent以便节点10处理；
总的来说：这个工作流就是根据提示词生成图片，再把图片进行放大，类似于餐馆有个大厨在做菜，有很多小工在为他服务，大厨做的菜会交给服务员；
各节点功能解读：
节点1：Checkpoint加载器
该节点用来加载模型文件，该工作流中该节点默认加载"v2-1_768-ema-pruned.ckpt"这个模型文件。
为后续其他节点提供模型参数。
VAE：该参数用来帮助模型更好的生成图像；
节点2、节点3：CLIP文本编码器
这是2个完全一样的节点，用来填写提示词的，常见的什么正面提示词、负面提示词都是通过这种节点进行设置的。
节点4：K采样器
最核心的组件，接收所有的输入数据而后进行处理，再输入图像
节点5：空Latent
空白的图片，用来设置图片的尺寸和数量，并给采样器提供空的Latent，让K采样器填充；
节点6：Latent缩放
该节点设置缩放后图片的尺寸、缩放方法、是否裁剪；并把经过处理后的Latent传递给后续节点；
节点7、节点10：VAE解码
接收VAE、Latent并转换成真实的图像
节点8、节点11：保存图像
就是用来保存图像。
节点9：K采样器
接收前面Checkpoint加载器提供的模型、前面节点提供的Latent、正负提示词，处理完毕后生成缩放后的Latent，供后续节点使用；
举一反三1
既然前面例子中是使用文字生成Latent，再对Latent进行缩放，而后用K采样器加工后得到新Latent，那么假如我们要对一个已有图片进行放大呢？该怎么做？
我的思路如下：
我采取类似的方法，先把已有图片加载到工作流中，把图片转换成Latent，再用Latent进行缩放处理，接着用K采样器加工，后面就基本上一样了。
操作步骤：
1.加载图像
在工作台空白位置双击鼠标左键，在弹出的框中输入"加载图像"
2.下个节点：
如果说我们遇到了不知道下一步该怎么做，我们可以按当前的输出和我们的整个思路一起来操作。这里"图像"我们鼠标左键拖出来一条线释放后ComfyUI会提示我们可以有哪些节点可以使用。
这里我们选择"VAE编码"，得到如下的结果
3.VAE编码
VAE编码有输入VAE，还有输出Latent，这里我们就得到了一个Latent，但是没有对它进行缩放处理。
所以下一步我们在Latent处拖一条线并添加一个Latent缩放的节点。
这里，我设置了宽度、高度比原始图片的尺寸要大。
4.下一个节点
参考前面官网示例中，进行Latent缩放后，下一步就是K采样器，所以我也照葫芦画瓢，把后续节点都加进来
5.补全其他节点
这里我们发现VAE编码、K采样器、VAE解码、正负条件这些节点都还有一些输入参数没有连线，所以还要进行补全。参考前面官网那个示例，添加其他节点，以便能够把这些未连线的节点都连上。
同样的，我按下鼠标从VAE这里拖出一条线，松开左键后ComfyUI会提示我可以使用哪些节点，我可以在列表中选择目标节点。
接着我们不断的拖出线条，把未连接的参数都连上，并最终得到如下的工作流，注意此处"Checkpoint加载器(简易)"中的模型文件跟官网示例保持一致。
6.执行，看看效果
执行发现大失所望，跟我们的原图相差太远，那这里是怎么回事呢？
根据官网所说，K采样器中降噪参数对此有比较大的影响，我们把这个降噪参数改成跟官网示例中放大后那个K采样器的降噪参数的值，再试一次。
嗯嗯嗯，效果很不错，现在得到的放大图和原图相似度就很高了。
举一反三2
嗯嗯嗯，通过前面我们自己创建新的工作流让我信心大增，那对于这种图片放大还有没更多的实现方式呢？我们继续来尝试。
我的思路：
有没什么对图像进行放大的模型？我用这个来试一下看？
1.搜索图像、模型
找到了图像通过模型放大的一个节点，我们通过这个节点来实现。
2.下一个节点
对于该节点，我们还是使用前面举一反三中1的做法，对输入输出参数拖出一条线，而后再选择合适的节点。
"图像通过模型放大"左边图像参数直接连接加载的图片；
3.放大模型
接着按下鼠标左键拖出一条线，看看有哪些能够选择的节点。
选择一个"放大模型加载器"
该加载器使用real_esrgan_x2plus.pth模型文件。
4.完善所有连线
在添加完该加载器后，基本上改造后的工作流我们也开发完毕了，接着把这个新的工作流全部连线都连上，如图：
5.查看效果
这里我们直接执行工作流，看看最终放大的图片效果怎么样。
注：对于我们刚学习ComfyUI来说，图片放大后效果暂时先放一边，先关注如何全新搭建工作流。待搭建工作流滚瓜烂熟后，再来提升作品质量。
本文使用工作流如下：
注：工作流导出成图片，可以鼠标右键，在右键选项中可以导出成携带工作流元数据的png，以便分享给更多人。
最后
好了，通过前面官网例子的学习，我们掌握了文生图和图片的放大。而后通过举一反三，我们可以把已有图片进行放大，过程中我们掌握了新工作流搭建的过程。
