節點參考
CodefyUI 內建 94 個節點，涵蓋 15 大類別。已安裝的 外掛包 與你自己的 自訂節點 會再加入更多。
提示
這份清單在撰寫當下是準確的來源依據，但後端才是權威：即時的節點面板與 GET /api/nodes 永遠精確反映你的安裝實際有哪些節點。使用應用程式內的搜尋（在畫布上雙擊）可以快速找到節點。
| 類別 | 節點 | 數量 |
|---|---|---|
| CNN | Conv2d、Conv1d、ConvTranspose2d、MaxPool2d、AvgPool2d、AdaptiveAvgPool2d、BatchNorm2d、Dropout、Activation | 9 |
| RNN | LSTM、GRU、RNNCell | 3 |
| Transformer | MultiHeadAttention、TransformerEncoder、TransformerDecoder、MoELayer | 4 |
| RL | DQN、PPO、EnvWrapper、RewardModel、KLDivergence | 5 |
| 資料 (Data) | Dataset、DataLoader、Transform、HuggingFaceDataset、KaggleDataset、TensorInput、TextInput、CSVReader、ColumnSelector、Normalize、SyntheticDataset、TrainTestSplit | 12 |
| 資料流 (Data Flow) | Map、Reduce、Switch | 3 |
| 訓練 (Training) | Optimizer、Loss、TrainingLoop、LRScheduler、SequentialModel、BackwardOnce | 6 |
| IO | ImageReader、ImageWriter、ImageBatchReader、FileReader、CheckpointSaver、CheckpointLoader、ModelLoader、ModelSaver、Inference | 9 |
| 控制 (Control) | Start | 1 |
| 工具 (Utility) | Print、Reshape、Concat、Flatten、Linear、Visualize、Embedding | 7 |
| 正規化 (Normalization) | BatchNorm1d、LayerNorm、GroupNorm、InstanceNorm2d | 4 |
| 張量運算 (Tensor Operations) | Add、MatMul、Mean、Multiply、Permute、Softmax、Split、Squeeze、Stack、TensorCreate、Unsqueeze | 11 |
| LLM | Tokenizer、WordVector、EmbeddingScatter、CosineSimilarity、AttentionMask、AttentionHeatmap、PositionalEncoding | 7 |
| 傳統機器學習 (Classical) | KNN、LinearRegression、LogisticRegression、DecisionTreeClassifier、SVMClassifier、MLPClassifier、Accuracy | 7 |
| Diffusion | Upsample、TimestepEmbedding、Lerp、GaussianNoise、DDPMSampler、DiffusionUNet | 6 |
重點節點
Start（控制）— 執行的進入點。每個可執行的圖都需要一個；見 你的第一個圖。TensorInput（資料）— 一個內嵌格子編輯器，用來手動把明確指定的張量餵進管線；是 教學檢視器 範例的骨幹。TrainingLoop（訓練）— 驅動訓練，並在結果面板發出即時 loss 圖表。EmbeddingScatter（LLM）— 把 embedding 投影到 2D（PCA / t-SNE），畫成可縮放的散佈圖。AttentionHeatmap（LLM）— 把 attention 矩陣渲染成影像。Switch（資料流）— 條件式路由，讓只有一條分支會執行。
連接埠資料型別
連線是有型別的。內建的資料型別包括：Tensor、Model、Dataset、DataLoader、Optimizer、Loss、Scalar、String、Image、List、Any、Trigger。Trigger 型別正是 Start 節點所發出、用來驅動執行順序的型別。