## نمای کلی

گره SelectModelDevice به شما امکان می‌دهد به‌صورت دستی انتخاب کنید که یک مدل انتشار (diffusion model) روی کدام دستگاه (CPU یا یک GPU مشخص) اجرا شود. این گره می‌تواند مدل را به دستگاه دیگری منتقل کند و به‌طور خودکار تداخل با سایر گره‌های چند-GPU را مدیریت می‌کند.

## ورودی‌ها

| پارامتر | توضیحات | نوع داده | اجباری | محدوده |
| --- | --- | --- | --- | --- |
| `model` | مدل انتشار که باید روی یک دستگاه خاص قرار گیرد. | MODEL | بله |  |
| `device` | دستگاه هدف برای مدل. گزینه‌ها بر اساس GPUهای موجود به‌صورت پویا تولید می‌شوند. (پیش‌فرض: "default") | COMBO | بله | `"default"`<br>`"cpu"`<br>`"gpu:0"`<br>`"gpu:1"`<br>`"gpu:2"`<br>`"gpu:3"`<br>`"gpu:4"`<br>`"gpu:5"`<br>`"gpu:6"`<br>`"gpu:7"` |

**جزئیات پارامترها:**
- `"default"`: دستگاه تعیین‌شده توسط بارگذار مدل را بازیابی می‌کند، حتی اگر یک گره SelectModelDevice قبلی آن را تغییر داده باشد.
- `"cpu"`: هر دو دستگاه بارگذاری و تخلیه (load و offload) را به CPU متصل می‌کند.
- `"gpu:N"`: دستگاه بارگذاری را به Nامین GPU موجود متصل می‌کند (مثلاً `"gpu:0"` برای اولین GPU). دستگاه تخلیه به انتخاب اصلی بارگذار بازگردانده می‌شود.

**نکات مهم:**
- اگر دستگاه درخواستی روی ماشین فعلی وجود نداشته باشد (مثلاً یک گردش کار ایجاد شده روی ماشین 2-GPU روی ماشین 1-GPU باز شود)، گره مدل را بدون تغییر عبور می‌دهد و به جای خطا، یک پیام ثبت می‌کند.
- اگر مدل از قبل روی دستگاه درخواستی باشد، گره از مسیر سریع استفاده کرده و مدل را دوباره بارگذاری نمی‌کند.
- قرار دادن این گره *بعد از* گره‌ای که قبلاً مدل را مصرف کرده است (مثلاً یک KSampler) توصیه نمی‌شود، زیرا اگر دستگاه با دستگاه اصلی مطابقت داشته باشد، هر وضعیت تغییر یافته توسط گره قبلی مشاهده خواهد شد.

## خروجی‌ها

| نام خروجی | توضیحات | نوع داده |
| --- | --- | --- |
| `model` | مدل انتشار که اکنون روی دستگاه انتخاب شده قرار گرفته است. اگر دستگاه نامعتبر یا در دسترس نبود، مدل بدون تغییر عبور داده می‌شود. | MODEL |

> 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/SelectModelDevice/fa.md)

---
**Source fingerprint (SHA-256):** `02841975f123cc8ae8152ea86f1798e0e7e68255ecd11e04271da886b75eb0fd`
