# Batch Processing

Bu fonksiyon bloğu, işlem sırasında bellek kullanımını azaltmak için birden çok girdi değerini tek bir `Batch` kapsayıcısında toplar. Görüntüler, veriler veya genel değerler gibi öğeleri diğer blokların bir batch olarak tüketebileceği tek bir akışta gruplayacağınızda kullanın.

## 📥 Girdiler

`Input 1`\
Batch içine dahil edilecek ilk değer. Görüntü verileri, sayılar, metinler, listeler veya başka genel değerler olabilir.

`Input 2`\
Batch içine dahil edilecek ikinci değer. İş akışınıza bağlı olarak ek girdiler de bağlanabilir.

## 📤 Çıktılar

`Batch`\
Bağlı giriş değerlerini bir arada tutan ve toplu işlem için gruplanmış tek bir liste (batch).

## 🕹️ Kontroller

Bu fonksiyon bloğunun etkileşimli bir kontrolü yoktur. Girdi soketlerine bağlanan öğeleri otomatik olarak gruplayarak çalışır.

## 🎯 Özellikler

* Birden çok girdiyi, sonraki adımlarda kullanılmak üzere tek ve bellek dostu bir `Batch` nesnesinde toplar.
* Görüntüler, sayılar, metinler veya listeler gibi genel veri tiplerini kabul eder.
* Çok sayıda öğe içeren iş akışlarında tepe bellek kullanımını azaltmak için faydalıdır.

## 📝 Kullanım

1. Gruplamak istediğiniz öğeleri `Input 1` ve `Input 2` (ve varsa daha fazla girişi) bağlayın.
2. Blok, bu girdileri bir liste olarak içeren tek bir `Batch` çıktısı verir.
3. `Batch` çıktısını batch tarzı giriş kabul eden bloklara veya batch üzerinde yineleme yapabilen bloklara verin.

## ⚙️ Çalışma davranışı

Senaryo çalıştığında, fonksiyon bloğu girdi soketlerinde bulunan değerleri toplar ve bunları tek bir `Batch` halinde yayınlar. Bir giriş eksik veya geçersizse, batch içinde o giriş için bir yer tutucu (placeholder) bulunur, böylece aşağıdaki bloklar tutarlı bir şekilde işleyebilir.

## 💡 İpuçları ve Püf Noktaları

* `Load Image`, `Camera USB`, `Camera IP (ONVIF)`, veya `Video` gibi birden çok kaynaktan gelen görüntüleri bir araya getirerek toplu görüntü setleri oluşturun.
* Çok sayıda görüntü çalıştırırken bellek kullanımını azaltmak için ağır AI bloklarından (ör. `Object Detection`, `Mask Detection`, `Super Resolution`, `OCR`) önce `Batch Processing` kullanın.
* Bir batch işlendiğinde, sonuçları tekrar tek tek öğelere ayırmak için `Debatch` kullanın; böylece çizim veya kaydetme işlemlerini öğe bazında yapabilirsiniz.
* Farklı iş akışı bölümlerinde oluşturulan batch'leri birleştirmeniz gerekirse `Batch Concatenation` kullanın.
* `Get Batch Size` ve `Get Element` ile batch içindeki öğeleri inceleyebilir veya seçici işlem için erişebilirsiniz.
* Sonuçları kaydederken, öğe bazında çıktı almak üzere (`Debatch` sonrası) çıktıları `Image Logger`, `Image Write` veya `Record Video` bloklarına bağlayın.

## 🛠️ Sorun Giderme

* `Batch` içinde veri yok: Yukarı akıştaki blokların girdilerde değer ürettiğinden emin olun. Eğer bir giriş kasıtlı olarak boş bırakıldıysa, batch içinde o boş slot görünecektir.
* Beklenmeyen öğe sırası: Batch, bağlantıların olduğu sırayı korur. Farklı bir sıra gerekiyorsa bağlantıları yeniden düzenleyin.
* Aşağıdaki bloklar batch kabul etmiyorsa: Bazı bloklar tek öğe bekler. Bu bloklara beslemeden önce batch'ı bireysel öğelere dönüştürmek için `Debatch` kullanın.


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.augelab.com/turkish/fonksiyon-bloklari/data-logic/flow-control/batch-processing.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.