> ## Documentation Index
> Fetch the complete documentation index at: https://dripart-docs-recommend-assets-api.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# データリスト

## 長さ 1 の処理

内部的には、Comfy サーバーはノード間を流れるデータを、関連するデータ型の Python `list`（通常は長さ 1）として表現します。
通常の動作では、ノードが出力を返す際、出力 `tuple` 内の各要素は個別にリスト（長さ 1）にラップされます。その後、次のノードが呼び出される際、データはアンラップされてメイン関数に渡されます。

<Tip>Comfy がラップとアンラップを自動で行うため、通常これを気にする必要はありません。</Tip>

<Tip>これはバッチ処理に関するものではありません。バッチ（例えば、潜変量や画像など）はリスト内の*単一のエントリー*です（[テンソルデータタイプ](./images_and_masks) を参照）。</Tip>

## リスト処理

場合によっては、単一のワークフロー内で複数のデータインスタンスが処理されることがあり、その場合、内部データはデータインスタンスを含むリストになります。
例えば、VRAM 不足を防ぐために一連の画像を 1 つずつ処理したり、異なるサイズの画像を扱ったりする場合がこれに該当します。

デフォルトでは、Comfy はリスト内の値を順次処理します。

* 入力が異なる長さの `list` である場合、短い方は最後の値を繰り返してパディングされます
* メインメソッドは、入力リスト内の各値に対して 1 回ずつ呼び出されます
* 出力は `list` であり、それぞれの長さは最も長い入力と同じになります

関連するコードは、`execution.py` 内の `map_node_over_list` メソッドで見つけることができます。

しかし、Comfy はノードの出力を長さ 1 の `list` にラップするため、カスタムノードが返す `tuple` に `list` が含まれている場合、その `list` はラップされ、単一のデータとして扱われます。
返されるリストをラップせず、順次処理用のデータシリーズとして扱うことを Comfy に指示するには、ノードはクラス属性 `OUTPUT_IS_LIST` を提供する必要があります。これは `RETURN_TYPES` と同じ長さの `tuple[bool]` であり、どの出力をそのように扱うべきかを指定します。

ノードはデフォルトの入力動作を上書きし、単一の呼び出しでリスト全体を受け取ることもできます。これは、クラス属性 `INPUT_IS_LIST` を `True` に設定することで実現します。

以下は組み込みノードからの（軽く注釈付きの）例です。`ImageRebatch` は 1 つ以上の画像バッチを受け取り（`INPUT_IS_LIST` が `True` であるためリストとして受け取ります）、それを要求されたサイズのバッチに再バッチ処理します。

<Tip>`INPUT_IS_LIST` はノードレベルです。すべての入力が同じ扱いを受けます。そのため、`batch_size` ウィジェットの値は `batch_size[0]` によって得られます。</Tip>

```Python theme={null}

class ImageRebatch:
    @classmethod
    def INPUT_TYPES(s):
        return {"required": { "images": ("IMAGE",),
                              "batch_size": ("INT", {"default": 1, "min": 1, "max": 4096}) }}
    RETURN_TYPES = ("IMAGE",)
    INPUT_IS_LIST = True
    OUTPUT_IS_LIST = (True, )
    FUNCTION = "rebatch"
    CATEGORY = "image/batch"

    def rebatch(self, images, batch_size):
        batch_size = batch_size[0]    # すべてリストとして渡されるため、batch_size は list[int] です

        output_list = []
        all_images = []
        for img in images:                    # 各 img は画像のバッチです
            for i in range(img.shape[0]):     # 各 i は単一の画像です
                all_images.append(img[i:i+1])

        for i in range(0, len(all_images), batch_size): # batch_size ごとにチャンクを取り、それぞれを新しいバッチにします
            output_list.append(torch.cat(all_images[i:i+batch_size], dim=0))  # 画像バッチの幅または高さが異なる場合、エラーになります！

        return (output_list,)
```

#### INPUT\_IS\_LIST