HyperTile 节点对扩散模型中的注意力机制应用分块技术，以优化图像生成过程中的内存使用。它将潜在空间划分为更小的图块并分别处理，然后重新组合结果。这使得在内存不足的情况下也能处理更大的图像尺寸。

## 输入

| 参数 | 描述 | 数据类型 | 是否必填 | 范围 |
| --- | --- | --- | --- | --- |
| `模型` | 要应用 HyperTile 优化的扩散模型 | MODEL | 是 | - |
| `分块尺寸` | 处理时的目标图块大小（默认值：256）。有效图块大小向下取整为 8 的倍数，最小值为 32。 | INT | 否 | 1 - 2048 |
| `分割尺寸` | 控制处理过程中图块的重排方式以提高效率（默认值：2） | INT | 否 | 1 - 128 |
| `最大深度` | 应用分块的最大深度级别（分辨率尺度）。值为 0 时仅对最高分辨率应用分块（默认值：0） | INT | 否 | 0 - 10 |
| `规模深度` | 启用后，在更深的深度级别上按比例缩放图块大小。这有助于在较低分辨率下保持质量（默认值：False） | BOOLEAN | 否 | True / False |

## 输出

| 输出名称 | 描述 | 数据类型 |
| --- | --- | --- |
| `模型` | 应用了 HyperTile 优化后的修改模型 | MODEL |

> 本文档由 AI 生成。如果您发现任何错误或有改进建议，欢迎贡献！ [在 GitHub 上编辑](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/HyperTile/zh.md)

---
**Source fingerprint (SHA-256):** `d3c55e6a38abecc8fe612dbb91a3ba26de9bc5cf8a187f01cf4746550f62f40a`