ResolutionBucket - ComfyUI Built-in Node Documentation

此节点按分辨率组织潜在图像列表及其对应的条件数据。

此节点按分辨率组织潜在图像列表及其对应的条件数据。它将具有相同高度和宽度的项分组在一起，为每个唯一分辨率创建单独的批次。此过程有助于为高效训练准备数据，因为它允许模型一起处理多个相同尺寸的项。

​

输入

参数	描述	数据类型	必需	范围
Latent	要按分辨率分桶的潜在字典列表。	LATENT	是	N/A
条件	条件列表的列表（必须与 latents 长度匹配）。	CONDITIONING	是	N/A

注意： 两个输入都是列表类型输入，意味着节点为每个输入接收一个项目列表。latents 列表中的项数必须与 conditioning 列表中的项数完全匹配；如果数量不匹配，节点会抛出错误。每个潜在字典可以包含一批样本，而对应的条件列表必须包含与该批次匹配数量的条件项，因为批次中的每个样本都与其自己的条件条目配对。潜在样本的形状对于图像可以是 (B, C, H, W)，对于视频可以是 (B, T, C, H, W)；节点仅按高度和宽度对它们进行分组。

​

输出

输出名称	描述	数据类型
latents	分批的潜在字典列表，每个分辨率桶一个。	LATENT
conditioning	条件列表的列表，每个分辨率桶一个。	CONDITIONING

注意： 两个输出都是列表类型输出。每个输出列表为输入中发现的每个唯一分辨率（高度和宽度）包含一个条目，按分辨率首次出现的顺序排列。每个桶内的潜在项沿新的批次维度堆叠。

本文档由 AI 生成。如果您发现任何错误或有改进建议，欢迎贡献！ 在 GitHub 上编辑

---

Source fingerprint (SHA-256): 11687f9916895136c7c5b8146cd7519cbf6c296720e453bac52fe4da237403cd