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 上编辑此节点将准备好的训练数据集保存到计算机硬盘中。它接收编码后的数据（包括图像潜在表示及其对应的文本条件），并将它们组织成多个称为分片的小文件，以便于管理。节点会自动在输出目录中创建一个文件夹，并保存数据文件以及描述数据集的元数据文件。
输入
| 参数 | 数据类型 | 是否必填 | 范围 | 描述 |
|---|---|---|---|---|
Latent | LATENT | 是 | 不适用 | 来自 MakeTrainingDataset 的潜在字典列表。 |
条件 | CONDITIONING | 是 | 不适用 | 来自 MakeTrainingDataset 的条件列表列表。 |
文件夹名 | STRING | 否 | 不适用 | 保存数据集的文件夹名称（位于输出目录内）。（默认值：“training_dataset”） |
shard_size | INT | 否 | 1 到 100000 | 每个分片文件中的样本数量。（默认值：1000） |
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。如果数量不匹配，节点将报错。
输出
此节点不产生任何输出数据。其功能是将文件保存到磁盘。Source fingerprint (SHA-256):
1b0108be7362c0cb8ba16ffbf94cf42be2d04159aacbabe1ff0890083d1733b3