MakeTrainingDataset - ComfyUI Built-in Node Documentation

此节点通过编码图像和文本来准备训练数据。

此节点通过编码图像和文本来准备训练数据。它接收一个图像列表及对应的文本标题列表，然后使用 VAE 模型将图像转换为 latent 表示，并使用 CLIP 模型将文本转换为 conditioning 数据。生成的成对 latent 和 conditioning 以列表形式输出，可直接用于训练工作流。

​

输入

参数	描述	数据类型	是否必需	范围
图像	要编码的图像列表。	IMAGE	是	N/A
VAE	用于将图像编码为 latent 的 VAE 模型。	VAE	是	N/A
CLIP	用于将文本编码为 conditioning 的 CLIP 模型。	CLIP	是	N/A
文本	文本标题列表。长度可为 n（与图像数量匹配）、1（对所有图像重复使用），或省略（使用空字符串）。	STRING	否	0, 1, or n items (n = number of images)

参数约束：

• texts 列表中的项目数量必须为 0、1，或与 images 列表中的项目数量完全一致。若为 0，则所有图像均使用空字符串；若为 1，则所有图像重复使用该单一文本；任何其他长度都会引发错误。
• 输出的 latents 和 conditioning 列表始终包含与 images 列表相同数量的项目，因此每个 latent 都与对应标题的 conditioning 配对。

​

输出

输出名称	描述	数据类型
Latent	latent 字典列表。	LATENT
条件	conditioning 列表的列表。	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

---

Source fingerprint (SHA-256): 244adc98810a874cfe42f834e89f96da300d883faeb5791dff19607c13d0c0db