# LaplaceScheduler

گره‌ی LaplaceScheduler دنباله‌ای از مقادیر سیگما را بر اساس توزیع لاپلاس برای استفاده در نمونه‌برداری انتشار تولید می‌کند. این گره یک زمان‌بندی از سطوح نویز ایجاد می‌کند که به‌تدریج از یک مقدار بیشینه به کمینه کاهش می‌یابد و از پارامترهای توزیع لاپلاس برای کنترل این روند استفاده می‌کند. این زمان‌بند معمولاً در جریان‌های کاری نمونه‌برداری سفارشی برای تعریف زمان‌بندی نویز مدل‌های انتشار به کار می‌رود.

## ورودی‌ها

| پارامتر | توضیحات | نوع داده | اجباری | محدوده |
| --- | --- | --- | --- | --- |
| `گام‌ها` | تعداد گام‌های نمونه‌برداری در زمان‌بندی (پیش‌فرض: 20) | INT | بله | 1 تا 10000 |
| `سیگما بیشینه` | مقدار سیگمای بیشینه در آغاز زمان‌بندی (پیش‌فرض: 14.614642) | FLOAT | بله | 0.0 تا 5000.0 |
| `سیگما کمینه` | مقدار سیگمای کمینه در پایان زمان‌بندی (پیش‌فرض: 0.0291675) | FLOAT | بله | 0.0 تا 5000.0 |
| `مو` | پارامتر میانگین برای توزیع لاپلاس (پیش‌فرض: 0.0) | FLOAT | بله | 10.0- تا 10.0 |
| `بتا` | پارامتر مقیاس برای توزیع لاپلاس (پیش‌فرض: 0.5) | FLOAT | بله | 0.0 تا 10.0 |

توجه: `sigma_max`، `sigma_min`، `mu` و `beta` پارامترهای پیشرفته هستند.

## خروجی‌ها

| نام خروجی | توضیحات | نوع داده |
| --- | --- | --- |
| `SIGMAS` | دنباله‌ای از مقادیر سیگما که از زمان‌بندی توزیع لاپلاس پیروی می‌کند | SIGMAS |

> 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/LaplaceScheduler/fa.md)

---
**Source fingerprint (SHA-256):** `8e5ca00f4797f863a2cf8b9b115ec27beb7f65981cbb04eb036150402fc19389`
