# إنشاء مجموعة بيانات تدريبية

تقوم هذه العقدة بتجهيز البيانات للتدريب من خلال ترميز الصور والنصوص. تأخذ قائمة من الصور وقائمة مقابلة من التسميات النصية، ثم تستخدم نموذج VAE لتحويل الصور إلى تمثيلات كامنة، ونموذج CLIP لتحويل النص إلى بيانات تكييف. وتُخرَج التمثيلات الكامنة وبيانات التكييف المقترنة على شكل قوائم، جاهزة للاستخدام في سير عمل التدريب.

## المدخلات

| المعامل | الوصف | نوع البيانات | مطلوب | النطاق |
| --- | --- | --- | --- | --- |
| `صور` | قائمة الصور المطلوب ترميزها. | IMAGE | نعم | N/A |
| `vae` | نموذج VAE لترميز الصور إلى تمثيلات كامنة. | VAE | نعم | N/A |
| `clip` | نموذج CLIP لترميز النص إلى تكييف. | CLIP | نعم | N/A |
| `نصوص` | قائمة التسميات النصية. يمكن أن يكون طولها n (مطابقًا لعدد الصور)، أو 1 (يتكرر لجميع الصور)، أو محذوفة (تُستخدم سلسلة نصية فارغة). | STRING | لا | 0، 1، أو n من العناصر (n = عدد الصور) |

**قيود المعاملات:**

* تستخدم هذه العقدة مدخلات على شكل قوائم: تُعالَج `images` و`texts` كقوائم، بينما يقبل `vae` و`clip` نموذجًا واحدًا لكل منهما (يُستخدم العنصر الأول من القائمة المقدمة).
* يجب أن يكون عدد العناصر في قائمة `texts` مساويًا لـ 0 أو 1 أو مطابقًا تمامًا لعدد العناصر في قائمة `images`. إذا كان 0 أو كانت محذوفة، تُستخدم سلسلة نصية فارغة لجميع الصور. وإذا كان 1، يتكرر ذلك النص الواحد لجميع الصور. أي طول آخر يؤدي إلى خطأ.
* تحتوي قائمتا المخرجات `latents` و`conditioning` دائمًا على العدد نفسه من العناصر الموجود في قائمة `images`، لذلك تُقرن كل كامنة مع التكييف الخاص بالتسمية النصية المقابلة لها.

## المخرجات

| اسم المخرج | الوصف | نوع البيانات |
| --- | --- | --- |
| `latents` | قائمة قواميس كامنة. | LATENT |
| `conditioning` | قائمة قوائم التكييف. | CONDITIONING |

> تم إنشاء هذه الوثيقة بواسطة الذكاء الاصطناعي. إذا وجدت أي أخطاء أو لديك اقتراحات للتحسين، فلا تتردد في المساهمة! [تحرير على GitHub](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/MakeTrainingDataset/ar.md)

---
**Source fingerprint (SHA-256):** `244adc98810a874cfe42f834e89f96da300d883faeb5791dff19607c13d0c0db`
