# دسته‌بندی بر اساس وضوح

این گره فهرستی از تصاویر latent و داده‌های conditioning متناظرشان را بر اساس رزولوشن سازمان‌دهی می‌کند. آیتم‌هایی را که ارتفاع و عرض یکسانی دارند با هم گروه‌بندی می‌کند و برای هر رزولوشن یکتا دسته‌های جداگانه می‌سازد. این فرایند برای آماده‌سازی داده جهت آموزش کارآمد مفید است، زیرا به مدل‌ها امکان می‌دهد چندین آیتم هم‌اندازه را با هم پردازش کنند.

## ورودی‌ها

| پارامتر | توضیحات | نوع داده | الزامی | بازه |
| --- | --- | --- | --- | --- |
| `فضاهای نهفته` | فهرستی از دیکشنری‌های latent برای دسته‌بندی بر اساس رزولوشن. | LATENT | بله | N/A |
| `شرایط‌دهی` | فهرستی از فهرست‌های conditioning (باید با طول latents مطابقت داشته باشد). | CONDITIONING | بله | N/A |

**توجه:** هر دو ورودی از نوع فهرستی هستند، یعنی گره برای هرکدام فهرستی از آیتم‌ها دریافت می‌کند. تعداد آیتم‌های فهرست `latents` باید دقیقاً با تعداد آیتم‌های فهرست `conditioning` برابر باشد؛ اگر تعدادها مطابقت نداشته باشند، گره خطا می‌دهد. هر دیکشنری latent می‌تواند یک دسته از نمونه‌ها را در خود داشته باشد، و فهرست conditioning متناظر باید به تعداد همان دسته آیتم conditioning داشته باشد، چون هر نمونه در دسته با ورودی conditioning خودش جفت می‌شود. نمونه‌های latent ممکن است شکل (B, C, H, W) برای تصاویر یا (B, T, C, H, W) برای ویدیوها داشته باشند؛ گره آن‌ها را فقط بر اساس ارتفاع و عرض گروه‌بندی می‌کند.

## خروجی‌ها

| نام خروجی | توضیحات | نوع داده |
| --- | --- | --- |
| `latents` | فهرستی از دیکشنری‌های latent دسته‌بندی‌شده، یکی برای هر سبد رزولوشن. | LATENT |
| `conditioning` | فهرستی از فهرست‌های conditioning، یکی برای هر سبد رزولوشن. | CONDITIONING |

**توجه:** هر دو خروجی از نوع فهرستی هستند. هر فهرست خروجی شامل یک ورودی برای هر رزولوشن یکتا (ارتفاع و عرض) یافت‌شده در ورودی است، به همان ترتیبی که رزولوشن‌ها نخستین بار مشاهده شده‌اند. latentهای درون هر سبد در امتداد یک بُعد دستهٔ جدید روی هم چیده می‌شوند.

> 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/ResolutionBucket/fa.md)

---
**Source fingerprint (SHA-256):** `11687f9916895136c7c5b8146cd7519cbf6c296720e453bac52fe4da237403cd`
