制作训练数据集 - ComfyUI Built-in Node Documentation

此节点通过编码图像和文本来为训练准备数据。它接收一个图像列表和对应的文本描述列表，然后使用 VAE 模型将图像转换为 latent 表示，并使用 CLIP 模型将文本转换为条件数据。

此节点通过编码图像和文本来为训练准备数据。它接收一个图像列表和对应的文本描述列表，然后使用 VAE 模型将图像转换为 latent 表示，并使用 CLIP 模型将文本转换为条件数据。生成的成对 latent 和条件数据以列表形式输出，可供训练工作流使用。

输入

参数	描述	数据类型	必需	范围
`图像`	要编码的图像列表。	IMAGE	是	N/A
`VAE`	用于将图像编码为 latent 的 VAE 模型。	VAE	是	N/A
`CLIP`	用于将文本编码为条件数据的 CLIP 模型。	CLIP	是	N/A
`文本`	文本描述列表。长度可以为 n（与图像数量匹配）、1（为所有图像重复使用），或省略（使用空字符串）。	STRING	否	0, 1, or n items (n = number of images)

参数约束：

此节点使用列表输入：images 和 texts 作为列表处理，而 vae 和 clip 各自接受单个模型（使用所提供列表中的第一项）。
texts 列表中的项数必须为 0、1，或与 images 列表中的项数完全一致。如果为 0 或省略，则所有图像都使用空字符串。如果为 1，则该单个文本会为所有图像重复使用。任何其他长度都会引发错误。
输出 latents 和 conditioning 列表始终包含与 images 列表相同数量的项，因此每个 latent 都与其对应文本描述的条件数据配对。

输出名称	描述	数据类型
`latents`	latent 字典列表。	LATENT
`conditioning`	conditioning 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): 244adc98810a874cfe42f834e89f96da300d883faeb5791dff19607c13d0c0db