SaveTrainingDataset - ComfyUI Built-in Node Documentation

이 노드는 인코딩된 학습 데이터셋을 디스크에 저장하여 학습 중 효율적으로 불러올 수 있도록 합니다. 이미지 잠재 변수(latents)와 이에 대응하는 텍스트 컨디셔닝을 입력받아, 이를 샤드(shard)라고 하는 더 작은 파일들로 분할한 후 datasets 디렉터리 안의 폴더에 저장합니다. 또한 데이터셋을 설명하는 메타

이 노드는 인코딩된 학습 데이터셋을 디스크에 저장하여 학습 중 효율적으로 불러올 수 있도록 합니다. 이미지 잠재 변수(latents)와 이에 대응하는 텍스트 컨디셔닝을 입력받아, 이를 샤드(shard)라고 하는 더 작은 파일들로 분할한 후 datasets 디렉터리 안의 폴더에 저장합니다. 또한 데이터셋을 설명하는 메타데이터 파일도 함께 작성합니다.

​

입력

매개변수	설명	데이터 타입	필수	범위
latents	MakeTrainingDataset에서 생성된 잠재 변수(latent) 딕셔너리 목록입니다.	LATENT	예	N/A
conditioning	MakeTrainingDataset에서 생성된 컨디셔닝 목록의 목록입니다.	CONDITIONING	예	N/A
folder_name	datasets 디렉터리 안에 데이터셋을 저장할 폴더 이름입니다. 'project/run1'과 같은 하위 폴더도 허용됩니다. (기본값: "training_dataset")	STRING	예	N/A
shard_size	샤드 파일 하나당 포함되는 샘플 수입니다. (기본값: 1000)	INT	예	1 ~ 100000

참고: latents의 항목 수는 conditioning의 항목 수와 정확히 일치해야 합니다. 이 개수가 일치하지 않으면 노드에서 오류가 발생합니다. folder_name은 datasets 디렉터리의 하위 폴더를 지정해야 합니다(예: my_dataset) — datasets 디렉터리 자체는 사용할 수 없으며, datasets 디렉터리 외부로 경로가 벗어나는 폴더 이름은 거부됩니다.

​

출력

이 노드는 출력 데이터를 생성하지 않습니다. 이 노드의 기능은 파일을 디스크에 저장하는 것입니다. 각 샤드는 선택한 폴더 안에 shard_XXXX.pkl 파일로 저장되며, metadata.json 파일에는 전체 샘플 수, 샤드 수, 샤드 크기가 기록됩니다.

이 문서는 AI에 의해 생성되었습니다. 오류를 발견하거나 개선 제안이 있으시면 기여해 주세요! GitHub에서 편집

---

Source fingerprint (SHA-256): 6d7b63a24ac42907b0f4a1358712cd0ed085982ecd308bce87e5376d9bbc2274