این گره، لیستی از تصاویر نهفته (latent images) و داده‌های شرطی‌سازی (conditioning) متناظر با آن‌ها را بر اساس وضوح (resolution) آن‌ها سازماندهی می‌کند. آیتم‌هایی که ارتفاع و عرض یکسانی دارند را گروه‌بندی کرده و برای هر وضوح منحصربه‌فرد، دسته‌های جداگانه‌ای ایجاد می‌کند. این فرآیند برای آماده‌سازی داده‌ها جهت آموزش کارآمد مفید است، زیرا به مدل‌ها اجازه می‌دهد چندین آیتم با اندازه یکسان را به صورت همزمان پردازش کنند.

## ورودی‌ها

| پارامتر | توضیحات | نوع داده | ضروری | محدوده |
| --- | --- | --- | --- | --- |
| `فضاهای نهفته` | لیستی از دیکشنری‌های نهفته (latent dicts) برای دسته‌بندی بر اساس وضوح. | LATENT | بله | N/A |
| `شرایط‌دهی` | لیستی از لیست‌های شرطی‌سازی (باید با طول `فضاهای نهفته` مطابقت داشته باشد). | CONDITIONING | بله | N/A |

**نکته:** تعداد آیتم‌های موجود در لیست `latents` باید دقیقاً با تعداد آیتم‌های موجود در لیست `conditioning` مطابقت داشته باشد. هر دیکشنری نهفته می‌تواند شامل یک دسته (batch) از نمونه‌ها باشد و لیست شرطی‌سازی متناظر نیز باید تعداد متناسبی از آیتم‌های شرطی‌سازی را برای آن دسته شامل شود.

## خروجی‌ها

| نام خروجی | توضیحات | نوع داده |
| --- | --- | --- |
| `فضاهای نهفته` | لیستی از دیکشنری‌های نهفته دسته‌بندی‌شده، یکی برای هر سطل وضوح (resolution bucket). | LATENT |
| `شرایط‌دهی` | لیستی از لیست‌های شرطی‌سازی، یکی برای هر سطل وضوح. | CONDITIONING |

> 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/ResolutionBucket/fa.md)

---
**Source fingerprint (SHA-256):** `2858de5f0827812002ca72ba5d7ce56411d1ef97e9a12a65fc4bea193a1a0ec0`