ResolutionBucket - ComfyUI Built-in Node Documentation

此节点根据分辨率整理潜在图像列表及其对应的 conditioning 数据。

此节点根据分辨率整理潜在图像列表及其对应的 conditioning 数据。它将具有相同高度和宽度的项目分组在一起，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目。

​

输入

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

注意： latents 列表中的项目数量必须与 conditioning 列表中的项目数量完全匹配。如果数量不匹配，节点将引发错误。每个 latent 字典可以包含一批样本，对应的 conditioning 列表必须包含与该批次匹配数量的 conditioning 项目。Latent 样本可能具有图像格式的 (B, C, H, W) 形状或视频格式的 (B, T, C, H, W) 形状；节点仅按高度和宽度对它们进行分组。

​

输出

输出名	描述	数据类型
Latent	每个分辨率桶一个的批处理 latent 字典列表。	LATENT
条件	每个分辨率桶一个的条件列表的列表。	CONDITIONING

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