گره RenormCFG با اعمال مقیاس‌گذاری شرطی و نرمال‌سازی، فرآیند راهنمایی بدون طبقه‌بند (CFG) را در مدل‌های انتشار اصلاح می‌کند. این گره بر اساس آستانه‌های گام زمانی مشخص و عوامل بازنرمال‌سازی، فرآیند نویززدایی را تنظیم می‌کند تا تأثیر پیش‌بینی‌های شرطی در مقابل غیرشرطی را در طول تولید تصویر کنترل نماید.

## ورودی‌ها

| پارامتر | توضیحات | نوع داده | الزامی | محدوده |
| --- | --- | --- | --- | --- |
| `مدل` | مدل انتشار که CFG بازنرمال‌شده روی آن اعمال می‌شود | MODEL | بله | - |
| `cfg_trunc` | آستانه گام زمانی برای اعمال مقیاس‌گذاری CFG. زمانی که گام زمانی جاری کمتر از این مقدار باشد، مقیاس‌گذاری CFG اعمال می‌شود؛ در غیر این صورت فقط از پیش‌بینی شرطی استفاده می‌شود (پیش‌فرض: 100.0) | FLOAT | خیر | 0.0 - 100.0 |
| `renorm_cfg` | عامل بازنرمال‌سازی که حداکثر نُرم پیش‌بینی مقیاس‌شده با CFG را نسبت به پیش‌بینی شرطی اصلی محدود می‌کند. مقدار 0.0 به معنای غیرفعال بودن بازنرمال‌سازی است (پیش‌فرض: 1.0) | FLOAT | خیر | 0.0 - 100.0 |

## خروجی‌ها

| نام خروجی | توضیحات | نوع داده |
| --- | --- | --- |
| `مدل` | مدل اصلاح‌شده با تابع CFG بازنرمال‌شده اعمال‌شده | MODEL |

> این مستند با هوش مصنوعی تهیه شده است. اگر خطایی دیدید یا پیشنهادی برای بهبود دارید، خوشحال می‌شویم مشارکت کنید! [ویرایش در GitHub](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/RenormCFG/fa.md)

---
**Source fingerprint (SHA-256):** `b59929606f7519574b7ad14a3caacee51e4f141dd6be3abb594217bcfdbc401e`