گره `ExponentialScheduler` برای تولید دنباله‌ای از مقادیر سیگما بر اساس یک برنامه نمایی در فرآیندهای نمونه‌برداری انتشار طراحی شده است. این گره رویکردی قابل تنظیم برای کنترل سطوح نویز اعمال‌شده در هر گام از فرآیند انتشار ارائه می‌دهد و امکان تنظیم دقیق رفتار نمونه‌برداری را فراهم می‌کند.

## ورودی‌ها

| پارامتر | توضیحات | نوع داده |
| --- | --- | --- |
| `گام‌ها` | تعداد گام‌ها در فرآیند انتشار را مشخص می‌کند. این پارامتر بر طول دنباله سیگمای تولیدشده و در نتیجه دقت اعمال نویز تأثیر می‌گذارد. | INT |
| `سیگما بیشینه` | حداکثر مقدار سیگما را تعریف کرده و حد بالایی شدت نویز را در فرآیند انتشار تعیین می‌کند. این پارامتر نقش مهمی در تعیین دامنه سطوح نویز اعمال‌شده دارد. | FLOAT |
| `سیگما کمینه` | حداقل مقدار سیگما را تنظیم کرده و مرز پایینی شدت نویز را مشخص می‌کند. این پارامتر به تنظیم دقیق نقطه شروع اعمال نویز کمک می‌کند. | FLOAT |

## خروجی‌ها

| پارامتر | توضیحات | نوع داده |
| --- | --- | --- |
| `sigmas` | دنباله‌ای از مقادیر سیگما که طبق برنامه نمایی تولید شده‌اند. این مقادیر برای کنترل سطوح نویز در هر گام از فرآیند انتشار استفاده می‌شوند. | SIGMAS |

> 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/ExponentialScheduler/fa.md)