Sampler og scheduler
En sampler er den matematiske algoritme, billedgeneratoren bruger til trinvis at fjerne støj fra billedet, mens en scheduler styrer tempoet og trinlængden i processen. Indstillingerne bruges primært i avancerede værktøjer som Stable Diffusion og ComfyUI, hvorimod lukkede tjenester vælger dem automatisk i baggrunden.
Også kendt som: sampler, sampler_name, scheduler, Euler, DPM++ 2M Karras
Før og efter: min test




Model: Stable Diffusion XL 1.0 (przez API fal.ai, 30 kroków, CFG 7,5). Indstillinger: seed 1411, 30 trin, CFG 7,5, kun sampler ændret. Dato: 14.11.2026.
Prompt: a lighthouse on a rocky coast at dusk, waves crashing, dramatic sky, wide shot, photo
I min test gav Euler, DPM++ 2M Karras og DDIM stort set samme komposition, hvor forskellene primært lå i detaljerne på vandoverfladen og klipperne. Euler a (ancestral) skabte derimod et markant anderledes motiv med et fyrtårn på en lille holm. Samplere mærket med 'a' eller ancestral tilføjer ny støj undervejs, og derfor kan de stikke helt af fra andre metoder, selvom man fastholder samme seed.
Hvad det kaldes i de enkelte generatorer
| Generator | Parameter | Værdier | Standard |
|---|---|---|---|
| Seedream | ubekræftet | - | - |
| ComfyUI | sampler_name / scheduler (KSampler)Lister fra kildekoden (docs.comfy.org viser dem ikke) | sampler_name: euler, euler_cfg_pp, euler_ancestral, euler_ancestral_cfg_pp, heun, heunpp2, exp_heun_2_x0, exp_heun_2_x0_sde, dpm_2, dpm_2_ancestral, lms, dpm_fast, dpm_adaptive, dpmpp_2s_ancestral, dpmpp_2s_ancestral_cfg_pp, dpmpp_sde, dpmpp_sde_gpu, dpmpp_2m, dpmpp_2m_cfg_pp, dpmpp_2m_sde, dpmpp_2m_sde_gpu, dpmpp_2m_sde_heun, dpmpp_2m_sde_heun_gpu, dpmpp_3m_sde, dpmpp_3m_sde_gpu, ddpm, lcm, ipndm, ipndm_v, deis, cfgpp_ud10_ab, res_multistep, res_multistep_cfg_pp, res_multistep_ancestral, res_multistep_ancestral_cfg_pp, gradient_estimation, gradient_estimation_cfg_pp, er_sde, seeds_2, seeds_3, sa_solver, sa_solver_pece, ddim, uni_pc, uni_pc_bh2. scheduler: simple, sgm_uniform, karras, exponential, ddim_uniform, beta, normal, linear_quadratic, kl_optimal | ikke angivet i dokumentationen |
| Midjourney | ingen sådan parameter | - | - |
| FLUX | ikke i API | - | - |
| Ideogram | ingen sådan parameter | - | - |
| GPT Image | ingen sådan parameter | - | - |
| Imagen (udgået) | ikke i den læste dokumentation | - | - |
| Qwen-Image | ikke i den læste dokumentation | - | - |
| Stability AI (SD 3.5) | ikke i API | - | - |
- Kilder, tjekket 14.11.2026:
- Seedream: docs.byteplus.com/en/docs/ModelArk/1541523
- ComfyUI: raw.githubusercontent.com/comfyanonymous/ComfyUI/master/com...
- Midjourney: docs.midjourney.com/hc/en-us/articles/32859204029709-Parame...
- FLUX: docs.bfl.ml/api-reference/utility/generate-an-image-with-fl...
- Ideogram: developer.ideogram.ai/openapi/ideogram-api-v2.json
- GPT Image: developers.openai.com/api/docs/guides/image-generation
- Imagen: docs.cloud.google.com/vertex-ai/generative-ai/docs/image/ge...
- Qwen-Image: www.alibabacloud.com/help/en/model-studio/qwen-image-genera...
- Stability AI: docs.stability.ai/api-reference/generate/stable-diffusion-3...
Hvornår skal det bruges
- Behold standardindstillingen, så længe du er tilfreds med billedets stil og detaljegrad.
- Skift til en ancestral sampler som Euler a, hvis du søger mere variation og nye kompositioner ud fra samme seed.
- Vælg en ikke-ancestral sampler som Euler eller DPM++ 2M Karras til kontrollerede tests, hvor resultatet skal kunne genskabes præcist.
Typisk fejl
Den klassiske fejl er at sammenligne samplere uden at låse sit seed: så ser du bare tilfældigheder i den oprindelige støj i stedet for metodens reelle egenskaber. Mange spilder også timer på at lede efter en universel 'bedste sampler', selvom prompten og CFG-skalaen betyder langt mere for det færdige resultat.
Eksempel lige til at kopiere
ComfyUI: KSampler -> sampler_name = dpmpp_2m, scheduler = karras AUTOMATIC1111 / Forge: Sampling method: DPM++ 2M, Schedule type: Karras Midjourney, GPT Image, Ideogram, FLUX: ingen parameter (styres automatisk)
Ofte stillede spørgsmål
Hvad er forskellen på en sampler og en scheduler?
Sampleren bestemmer selve regnemetoden til at fjerne støj fra billedet. Scheduleren afgør, hvor store støjskridt der tages ved hvert enkelt beregningstrin fra start til slut.
Hvilken sampler er bedst til Stable Diffusion?
Der findes ingen absolut vinder til alt. DPM++ 2M Karras og Euler er populære standardvalg, fordi de leverer skarpe og stabile resultater på blot 20 til 30 trin.
Hvorfor giver Euler a et helt andet billede end almindelig Euler?
Bogstavet 'a' står for ancestral, hvilket betyder, at algoritmen genindfører en smule tilfældig støj mellem trinene. Det gør processen mere uforudsigelig og ændrer ofte hele motivet.
