گره LaplaceScheduler یک دنباله از مقادیر سیگما را بر اساس توزیع لاپلاس برای استفاده در نمونه‌گیری انتشار تولید می‌کند. این گره یک برنامه زمانی از سطوح نویز ایجاد می‌کند که به تدریج از یک مقدار بیشینه به کمینه کاهش می‌یابد و از پارامترهای توزیع لاپلاس برای کنترل روند استفاده می‌کند. این زمان‌بند معمولاً در گردش‌های کاری نمونه‌گیری سفارشی برای تعریف برنامه نویز مدل‌های انتشار به کار می‌رود.

## ورودی‌ها

| پارامتر | توضیحات | نوع داده | اجباری | محدوده |
| --- | --- | --- | --- | --- |
| `گام‌ها` | تعداد مراحل نمونه‌گیری در برنامه زمانی (پیش‌فرض: 20) | INT | بله | 1 تا 10000 |
| `سیگما بیشینه` | بیشینه مقدار سیگما در ابتدای برنامه زمانی (پیش‌فرض: 14.614642) | FLOAT | بله | 0.0 تا 5000.0 |
| `سیگما کمینه` | کمینه مقدار سیگما در انتهای برنامه زمانی (پیش‌فرض: 0.0291675) | FLOAT | بله | 0.0 تا 5000.0 |
| `مو` | پارامتر میانگین برای توزیع لاپلاس (پیش‌فرض: 0.0) | FLOAT | بله | 10.0- تا 10.0 |
| `بتا` | پارامتر مقیاس برای توزیع لاپلاس (پیش‌فرض: 0.5) | FLOAT | بله | 0.0 تا 10.0 |

## خروجی‌ها

| نام خروجی | توضیحات | نوع داده |
| --- | --- | --- |
| `SIGMAS` | یک دنباله از مقادیر سیگما بر اساس برنامه زمانی توزیع لاپلاس | 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/LaplaceScheduler/fa.md)

---
**Source fingerprint (SHA-256):** `9d8cacb93d0bb1872a368821fd3cad5d6d373817a923436af9f62a7648d5d735`