# ذخیره مجموعه داده آموزشی

این گره یک مجموعه‌دادهٔ آموزشی کدگذاری‌شده را برای بارگذاری کارآمد در طول آموزش روی دیسک ذخیره می‌کند. این گره latentهای تصویر و شرطی‌سازی متنی متناظرشان را می‌گیرد، آن‌ها را به فایل‌های کوچک‌تری به نام shard تقسیم می‌کند و در پوشه‌ای داخل پوشهٔ datasets ذخیره می‌کند. همچنین یک فایل فراداده می‌نویسد که مجموعه‌داده را توصیف می‌کند.

## ورودی‌ها

| پارامتر | توضیحات | نوع داده | الزامی | بازه |
| --- | --- | --- | --- | --- |
| `latents` | فهرست دیکشنری‌های latent از MakeTrainingDataset. | LATENT | بله | N/A |
| `شرایط‌دهی` | فهرستی از فهرست‌های شرطی‌سازی از MakeTrainingDataset. | CONDITIONING | بله | N/A |
| `نام پوشه` | نام پوشه‌ای برای ذخیرهٔ مجموعه‌داده درون پوشهٔ datasets. زیرپوشه‌هایی مانند 'project/run1' مجاز هستند. (پیش‌فرض: "training_dataset") | STRING | بله | N/A |
| `اندازه shard` | تعداد نمونه‌ها در هر فایل shard. (پیش‌فرض: 1000) | INT | بله | 1 تا 100000 |

**توجه:** تعداد آیتم‌های `latents` باید دقیقاً با تعداد آیتم‌های `conditioning` برابر باشد؛ اگر این شمارش‌ها مطابقت نداشته باشند، گره خطا می‌دهد. `folder_name` باید نام یک زیرپوشه از پوشهٔ datasets باشد (برای مثال `my_dataset`) — نمی‌تواند خودِ پوشهٔ datasets باشد، و نام‌های پوشه‌ای که به خارج از پوشهٔ datasets اشاره کنند رد می‌شوند. پارامتر `shard_size` یک تنظیم پیشرفته است.

## خروجی‌ها

این گره هیچ دادهٔ خروجی تولید نمی‌کند. وظیفهٔ آن ذخیرهٔ فایل‌ها روی دیسک شماست. هر shard به‌صورت یک فایل `shard_XXXX.pkl` در پوشهٔ انتخاب‌شده ذخیره می‌شود، و یک فایل `metadata.json` تعداد کل نمونه‌ها، تعداد shardها و اندازهٔ shard را ثبت می‌کند.

> 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/SaveTrainingDataset/fa.md)

---
**Source fingerprint (SHA-256):** `6d7b63a24ac42907b0f4a1358712cd0ed085982ecd308bce87e5376d9bbc2274`
