# ClipMergeSimple

`CLIPMergeSimple` یک گره ادغام مدل است که دو مدل رمزگذار متن CLIP را بر اساس نسبت مشخصی ترکیب می‌کند. این گره اولین مدل CLIP را کلون می‌کند و پچ‌های وزنی را از مدل دوم CLIP اعمال می‌کند، با نادیده گرفتن شناسه‌های موقعیت و مؤلفه‌های مقیاس لاجیت، تا مدلی ترکیبی تولید کند که ویژگی‌هایی از هر دو منبع را در خود آمیخته دارد.

## ورودی‌ها

| پارامتر | توضیحات | نوع داده | الزامی | بازه |
|-----------|-------------|-----------|----------|-------|
| `clip1` | اولین مدل CLIP که ادغام می‌شود. این مدل به عنوان مدل پایه برای فرآیند ادغام عمل می‌کند. | CLIP | بله | - |
| `clip2` | دومین مدل CLIP که ادغام می‌شود. پچ‌های کلیدی آن، به جز شناسه‌های موقعیت و مقیاس لاجیت، بر اساس نسبت مشخص‌شده روی مدل اول اعمال می‌شوند. | CLIP | بله | - |
| `ratio` | نسبت ویژگی‌های مدل دوم را که باید در مدل اول ترکیب شود تعیین می‌کند. نسبت 1.0 به معنای پذیرش کامل ویژگی‌های مدل دوم است، در حالی که 0.0 فقط ویژگی‌های مدل اول را حفظ می‌کند. پیش‌فرض: 1.0. | FLOAT | بله | 0.0 - 1.0 (step: 0.01) |

## خروجی‌ها

| نام خروجی | توضیحات | نوع داده |
| --- | --- | --- |
| `clip` | مدل CLIP ادغام‌شده حاصل، که ویژگی‌های هر دو مدل ورودی را طبق نسبت مشخص‌شده در خود دارد. | CLIP |

## شرح مکانیزم ادغام

### الگوریتم ادغام

این گره از میانگین‌گیری وزنی برای ادغام دو مدل استفاده می‌کند:

1. **کلون کردن مدل پایه**: ابتدا `clip1` را به عنوان مدل پایه کلون می‌کند
2. **دریافت پچ‌ها**: تمام پچ‌های کلیدی را از `clip2` به دست می‌آورد
3. **فیلتر کردن کلیدهای ویژه**: کلیدهایی که با `.position_ids` و `.logit_scale` پایان می‌یابند را رد می‌کند
4. **اعمال ادغام وزنی**: از فرمول `(1.0 - ratio) * clip1 + ratio * clip2` استفاده می‌کند

### شرح پارامتر نسبت

- **ratio = 0.0**: کاملاً از clip1 استفاده می‌کند و clip2 را نادیده می‌گیرد
- **ratio = 0.5**: سهم ۵۰٪ از هر مدل
- **ratio = 1.0**: کاملاً از clip2 استفاده می‌کند و clip1 را نادیده می‌گیرد

## موارد استفاده

1. **ترکیب سبک مدل**: ترکیب ویژگی‌های مدل‌های CLIP آموزش‌دیده بر روی داده‌های مختلف
2. **بهینه‌سازی عملکرد**: ایجاد تعادل بین نقاط قوت و ضعف مدل‌های مختلف
3. **پژوهش آزمایشی**: بررسی ترکیب‌های مختلف رمزگذارهای CLIP

> 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/CLIPMergeSimple/fa.md)

---
**Source fingerprint (SHA-256):** `42c4b2042c56c3f21a9416aa577e2d41fef1dcc749c4e5c7953851110a4fb6bc`
