保存训练数据集 - ComfyUI Built-in Node Documentation

此节点将编码后的训练数据集保存到磁盘，以便在训练期间高效加载。它接收图像 latent 及其匹配的文本条件，将其分割成称为分片的较小文件，并将它们存储在 datasets 目录内的一个文件夹中。

此节点将编码后的训练数据集保存到磁盘，以便在训练期间高效加载。它接收图像 latent 及其匹配的文本条件，将其分割成称为分片的较小文件，并将它们存储在 datasets 目录内的一个文件夹中。它还会写入一个描述该数据集的元数据文件。

输入

参数	描述	数据类型	必填	范围
`Latent`	来自 MakeTrainingDataset 的 latent 字典列表。	LATENT	是	N/A
`条件`	来自 MakeTrainingDataset 的 conditioning 列表组成的列表。	CONDITIONING	是	N/A
`文件夹名`	用于将数据集保存到 datasets 目录内的文件夹名称。允许使用类似 'project/run1' 的子文件夹。（默认值："training\_dataset"）	STRING	是	N/A
`shard_size`	每个分片文件中的样本数量。（默认值：1000）	INT	是	1 到 100000

注意： latents 中的项目数量必须与 conditioning 中的项目数量完全一致；如果这些数量不匹配，节点会引发错误。folder_name 必须命名为 datasets 目录的子文件夹（例如 my_dataset）——它不能是 datasets 目录本身，并且如果文件夹名称会被解析到 datasets 目录之外，则会被拒绝。shard_size 参数是一个高级设置。

输出

此节点不产生任何输出数据。其功能是将文件保存到你的磁盘。每个分片都保存为所选文件夹中的一个 shard_XXXX.pkl 文件，并且 metadata.json 文件会记录样本总数、分片数量和分片大小。

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): 6d7b63a24ac42907b0f4a1358712cd0ed085982ecd308bce87e5376d9bbc2274