### گره SamplerCustom

گره SamplerCustom برای ارائه یک مکانیزم نمونه‌گیری انعطاف‌پذیر و قابل تنظیم برای کاربردهای مختلف طراحی شده است. این گره به کاربران امکان می‌دهد تا استراتژی‌های نمونه‌گیری متفاوتی را متناسب با نیازهای خاص خود انتخاب و پیکربندی کنند، که باعث افزایش سازگاری و کارایی فرآیند نمونه‌گیری می‌شود.

## ورودی‌ها

| پارامتر | توضیحات | نوع داده |
| --- | --- | --- |
| `مدل` | نوع ورودی 'model' مدل مورد استفاده برای نمونه‌گیری را مشخص می‌کند و نقش مهمی در تعیین رفتار و خروجی نمونه‌گیری دارد. | `MODEL` |
| `افزودن نویز` | نوع ورودی 'add_noise' به کاربران امکان می‌دهد مشخص کنند که آیا نویز به فرآیند نمونه‌گیری اضافه شود یا خیر، که بر تنوع و ویژگی‌های نمونه‌های تولید شده تأثیر می‌گذارد. | `BOOLEAN` |
| `بذر نویز` | نوع ورودی 'noise_seed' یک دانه (seed) برای تولید نویز فراهم می‌کند و در هنگام افزودن نویز، تکرارپذیری و ثبات را در فرآیند نمونه‌گیری تضمین می‌کند. | `INT` |
| `cfg` | نوع ورودی 'cfg' پیکربندی فرآیند نمونه‌گیری را تنظیم می‌کند و امکان تنظیم دقیق پارامترها و رفتار نمونه‌گیری را فراهم می‌سازد. | `FLOAT` |
| `مثبت` | نوع ورودی 'positive' نشان‌دهنده اطلاعات شرطی‌سازی مثبت است و فرآیند نمونه‌گیری را به سمت تولید نمونه‌هایی هدایت می‌کند که با ویژگی‌های مثبت مشخص شده همسو باشند. | `CONDITIONING` |
| `منفی` | نوع ورودی 'negative' نشان‌دهنده اطلاعات شرطی‌سازی منفی است و فرآیند نمونه‌گیری را از تولید نمونه‌هایی که ویژگی‌های منفی مشخص شده را نشان می‌دهند دور می‌کند. | `CONDITIONING` |
| `نمونه‌گیر` | نوع ورودی 'sampler' استراتژی نمونه‌گیری خاص مورد استفاده را انتخاب می‌کند که مستقیماً بر ماهیت و کیفیت نمونه‌های تولید شده تأثیر می‌گذارد. | `SAMPLER` |
| `سیگماها` | نوع ورودی 'sigmas' سطوح نویز مورد استفاده در فرآیند نمونه‌گیری را تعریف می‌کند و بر کاوش فضای نمونه و تنوع خروجی تأثیر می‌گذارد. | `SIGMAS` |
| `تصویر latent` | نوع ورودی 'latent_image' یک تصویر نهفته اولیه برای فرآیند نمونه‌گیری فراهم می‌کند و به عنوان نقطه شروع برای تولید نمونه عمل می‌کند. | `LATENT` |

## خروجی‌ها

| پارامتر | توضیحات | نوع داده |
| --- | --- | --- |
| `output` | 'output' نتیجه اصلی فرآیند نمونه‌گیری را نشان می‌دهد و شامل نمونه‌های تولید شده است. | `LATENT` |
| `denoised_output` | 'denoised_output' نمونه‌ها را پس از اعمال فرآیند نویززدایی نشان می‌دهد که به طور بالقوه وضوح و کیفیت نمونه‌های تولید شده را افزایش می‌دهد. | `LATENT` |

> 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/SamplerCustom/fa.md)