此节点根据分辨率整理潜在图像列表及其对应的条件数据。它将具有相同高度和宽度的项目分组，为每个独特分辨率创建独立的批次。此过程有助于为高效训练准备数据，使模型能够同时处理多个相同尺寸的项目。

## 输入

| 参数 | 描述 | 数据类型 | 是否必填 | 范围 |
| --- | --- | --- | --- | --- |
| `Latent` | 按分辨率分桶的潜在字典列表。 | LATENT | 是 | 不适用 |
| `条件` | 条件列表的列表（必须与 `Latent` 长度匹配）。 | CONDITIONING | 是 | 不适用 |

**注意：** `latents` 列表中的项目数量必须与 `conditioning` 列表中的项目数量完全一致。每个潜在字典可以包含一批样本，对应的条件列表必须包含与该批样本数量匹配的条件项目。

## 输出

| 输出名称 | 描述 | 数据类型 |
| --- | --- | --- |
| `条件` | 按分辨率分桶后的批处理潜在字典列表，每个分辨率桶对应一个。 | LATENT |
| `条件` | 条件列表的列表，每个分辨率桶对应一个。 | CONDITIONING |

> 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](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/ResolutionBucket/zh.md)

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