diffusers/v0.43.0/ru/modular_diffusers/loop_sequential_pipeline_blocks.md

LoopSequentialPipelineBlocks

LoopSequentialPipelineBlocks — это многоблочный тип, который объединяет другие ModularPipelineBlocks в цикле. Данные циркулируют, используя inputs и intermediate_outputs, при этом каждый блок выполняется итеративно. Обычно это используется для создания цикла шумоподавления, который по умолчанию является итеративным.

В этом руководстве показано, как создавать LoopSequentialPipelineBlocks.

Обёртка цикла

LoopSequentialPipelineBlocks, также известный как обёртка цикла, поскольку он определяет структуру цикла, переменные итерации и конфигурацию. Внутри обёртки цикла вам потребуются следующие переменные.

• loop_inputs — это значения, предоставленные пользователем, и они эквивалентны inputs.
• loop_intermediate_outputs — это новые промежуточные переменные, создаваемые блоком и добавляемые в PipelineState. Это эквивалентно intermediate_outputs.
• Метод __call__ определяет структуру цикла и логику итераций.

import torch
from diffusers.modular_pipelines import LoopSequentialPipelineBlocks, ModularPipelineBlocks, InputParam, OutputParam

class LoopWrapper(LoopSequentialPipelineBlocks):
    model_name = "test"
    @property
    def description(self):
        return "I'm a loop!!"
    @property
    def loop_inputs(self):
        return [InputParam(name="num_steps")]
    @torch.no_grad()
    def __call__(self, components, state):
        block_state = self.get_block_state(state)
        # Loop structure - can be customized to your needs
        for i in range(block_state.num_steps):
            # loop_step executes all registered blocks in sequence
            components, block_state = self.loop_step(components, block_state, i=i)
        self.set_block_state(state, block_state)
        return components, state

Обёртка цикла может передавать дополнительные аргументы, такие как индекс текущей итерации, в блоки цикла.

Блоки циклов

Блок цикла представляет собой ModularPipelineBlocks, но метод __call__ работает иначе.

• Он получает переменную итерации от обёртки цикла.
• Работает непосредственно с BlockState, а не с PipelineState.
• Для этого не требуется получать или обновлять BlockState.

Блоки цикла разделяют один и тот же BlockState, что позволяет значениям накапливаться и изменяться на каждой итерации цикла.

class LoopBlock(ModularPipelineBlocks):
    model_name = "test"
    @property
    def inputs(self):
        return [InputParam(name="x")]
    @property
    def intermediate_outputs(self):
        # outputs produced by this block
        return [OutputParam(name="x")]
    @property
    def description(self):
        return "I'm a block used inside the `LoopWrapper` class"
    def __call__(self, components, block_state, i: int):
        block_state.x += 1
        return components, block_state

LoopSequentialPipelineBlocks

Используйте метод from_blocks_dict(), чтобы добавить блок цикла в обёртку цикла и создать LoopSequentialPipelineBlocks.

loop = LoopWrapper.from_blocks_dict({"block1": LoopBlock})

Добавляйте дополнительные блоки цикла для выполнения в каждой итерации с помощью from_blocks_dict(). Это позволяет изменять блоки, не меняя саму логику цикла.

loop = LoopWrapper.from_blocks_dict({"block1": LoopBlock(), "block2": LoopBlock})

Чтобы добавить блок цикла в существующий цикл денойзинга конвейера, например, для выполнения функции callback_on_step_end на каждом шаге, см. раздел Модульные конвейеры в руководстве по колбэкам.