揭秘Comfy UI KSampler：采样方法与调度器解析
在WebUI里，你所能看到的“采样方法”是一个单一的参数选项，但在Comfy UI 的核心采样器 KSampler 里，它会被“拆分”成两个单独的选项：**Sampler Name（采样器名称）**与 Scheduler （调度器）——
SD WebUI 中的采样方法
ComfyUI KSampler 中的相关选项
回溯Stable Diffusion生成一张图片的“去噪过程”（这一点可以参考之前的模型训练入门课里的相关内容）：SD会经由随机种子生成一张随机噪声图，然后利用训练好的”噪声预测器“（U-Net），结合输入的提示词等“条件”（Conditioning），进行“条件去噪”，在这张噪声图上不断添加一些形象，使之成为一张生成的新图片。
而广义的采样方法（Sampler），即代表在控制这个“去噪”过程的一种算法。简单地去理解，不同的算法会给你带来不同的采样结果，而不同算法对于采样步数的要求也可能会有些许差异。
如果你想更深入地挖掘这里面的技术原理，你可以在Reddit上的这一篇回答里，找到由 @ManBearScientist 撰写的这一篇回答，非常专业地列举了所有采样方法的来源与含义，以及它们是如何一步步积累取得今天的研究成果的——
那**调度器（Scheduler）**呢？你可以把它看做是采样方法的一部分，主要用于控制采样过程中的时间步长。
大部分UI都会习惯将采样方法本身与调度器选项“合并”起来作为一种采样方法呈现给用户，但根据ComfyUI作者 @ComfyAnonymous 在这一个Issue中的答复：我决定把它作为一个单独的选项，因为它对我来说更有意义。
根据他的建议，如果你希望各种采样器能与其他UI中保持大致一样的行为，只需要使用Karras或Normal即可。