Buckets:

mishig's picture
|
download
raw
10.9 kB
# Pipeline 块
## ModularPipelineBlocks[[diffusers.ModularPipelineBlocks]]
#### diffusers.ModularPipelineBlocks[[diffusers.ModularPipelineBlocks]]
```python
diffusers.ModularPipelineBlocks()
```
[源代码](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/modular_pipelines/modular_pipeline.py#L392)
所有 Pipeline Blocks 的基类:ConditionalPipelineBlocks、AutoPipelineBlocks、SequentialPipelineBlocks、LoopSequentialPipelineBlocks
[ModularPipelineBlocks](/docs/diffusers/v0.43.0/zh/api/modular_diffusers/pipeline_blocks#diffusers.ModularPipelineBlocks) 提供了用于加载和保存流水线块定义的方法。
#### get_block_state[[diffusers.ModularPipelineBlocks.get_block_state]]
```python
get_block_state(state: PipelineState)
```
[源代码](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/modular_pipelines/modular_pipeline.py#L590)
在一个字典中获取所有输入和中间值
#### get_execution_blocks[[diffusers.ModularPipelineBlocks.get_execution_blocks]]
```python
get_execution_blocks(**kwargs)
```
[源代码](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/modular_pipelines/modular_pipeline.py#L461)
**参数:**
- ****kwargs**:输入名称和值。只有触发输入会影响块的选择。
获取在给定输入下将执行的块。支持条件块选择的子类必须实现此方法。
#### get_workflow[[diffusers.ModularPipelineBlocks.get_workflow]]
```python
get_workflow(workflow_name: str)
```
[源代码](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/modular_pipelines/modular_pipeline.py#L479)
**参数:**
workflow_name : 要获取的工作流名称。
获取特定工作流的执行块。必须由定义了 `_workflow_map` 的子类实现。
#### init_pipeline[[diffusers.ModularPipelineBlocks.init_pipeline]]
```python
init_pipeline(pretrained_model_name_or_path: str | os.PathLike | None = None, components_manager: diffusers.modular_pipelines.components_manager.ComponentsManager | None = None, collection: str | None = None)
```
[源代码](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/modular_pipelines/modular_pipeline.py#L568)
创建一个 ModularPipeline,可选地接受 pretrained_model_name_or_path 以从 hub 加载。
## SequentialPipelineBlocks[[diffusers.SequentialPipelineBlocks]]
#### diffusers.SequentialPipelineBlocks[[diffusers.SequentialPipelineBlocks]]
```python
diffusers.SequentialPipelineBlocks()
```
[源代码](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/modular_pipelines/modular_pipeline.py#L1044)
**参数:**
block_classes : 要使用的块类列表
block_names : 每个块的 prefixes 列表
A Pipeline Blocks 将多个 pipeline block 类组合为一个。调用时,它会按顺序调用每个 block。
此类继承自 [ModularPipelineBlocks](/docs/diffusers/v0.43.0/zh/api/modular_diffusers/pipeline_blocks#diffusers.ModularPipelineBlocks)。请查阅父类文档,了解该库为所有 pipeline 块实现的通用方法(例如加载或保存等)。
#### from_blocks_dict[[diffusers.SequentialPipelineBlocks.from_blocks_dict]]
```python
from_blocks_dict(blocks_dict: dict[str, typing.Any], description: str | None = None)
```
[源代码](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/modular_pipelines/modular_pipeline.py#L1116)
**参数:**
blocks_dict : 将块名称映射到块类或实例的字典
**返回值:**
新的 SequentialPipelineBlocks 实例
从块字典创建 SequentialPipelineBlocks 实例。
#### get_execution_blocks[[diffusers.SequentialPipelineBlocks.get_execution_blocks]]
```python
get_execution_blocks(**kwargs)
```
[源代码](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/modular_pipelines/modular_pipeline.py#L1259)
**参数:**
- ****kwargs**:输入名称和值。只有触发输入会影响块的选择。
**返回值:**
仅包含将执行的块的 SequentialPipelineBlocks
获取在给定指定输入的情况下将执行的块。
当遍历按顺序处理各个块时,已解析块的中间输出会被添加到活动输入中。这意味着,只要条件是基于存在性(即 None 或非 None)而非实际值,依赖于中间结果的有条件块(例如“如果 image_latents 存在,则运行 img2img”)就能正确解析。
## LoopSequentialPipelineBlocks[[diffusers.LoopSequentialPipelineBlocks]]
#### diffusers.LoopSequentialPipelineBlocks[[diffusers.LoopSequentialPipelineBlocks]]
```python
diffusers.LoopSequentialPipelineBlocks()
```
[源代码](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/modular_pipelines/modular_pipeline.py#L1404)
**参数:**
block_classes : 要使用的块类列表
block_names : 每个块的 prefixes 列表
Pipeline 是一种将多个 pipeline 块类组合到 For Loop 中的块。调用时,它会按顺序调用每个块。
此类继承自 [ModularPipelineBlocks](/docs/diffusers/v0.43.0/zh/api/modular_diffusers/pipeline_blocks#diffusers.ModularPipelineBlocks)。请查阅父类文档,了解该库为所有 pipeline 块实现的通用方法(例如加载或保存等)。
#### from_blocks_dict[[diffusers.LoopSequentialPipelineBlocks.from_blocks_dict]]
```python
from_blocks_dict(blocks_dict: dict[str, typing.Any])
```
[源代码](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/modular_pipelines/modular_pipeline.py#L1565)
**参数:**
blocks_dict : 将块名称映射到块实例的字典
**返回值:**
新的 LoopSequentialPipelineBlocks 实例
从块字典创建 LoopSequentialPipelineBlocks 实例。
## AutoPipelineBlocks[[diffusers.AutoPipelineBlocks]]
#### diffusers.AutoPipelineBlocks[[diffusers.AutoPipelineBlocks]]
```python
diffusers.AutoPipelineBlocks()
```
[源代码](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/modular_pipelines/modular_pipeline.py#L983)
**参数:**
block_classes : 要使用的块类列表。其长度必须与 `block_names` 和 `block_trigger_inputs` 相同。
block_names : 每个块的名称列表。其长度必须与 `block_classes` 和 `block_trigger_inputs` 相同。
block_trigger_inputs : 输入名称列表,其中每个元素指定对应块的触发输入。使用 `None` 标记默认块。
Pipeline 块会根据触发输入的存在情况,自动选择要运行的块。
这是 `ConditionalPipelineBlocks` 的一个专用版本,其中:
- 每个块都有一个对应的触发输入(1:1 映射)
- 块选择是自动的:第一个触发输入存在的块会被选中
- `block_trigger_inputs` 的长度必须与 `block_names` 和 `block_classes` 相同
- 在 `block_trigger_inputs` 中使用 `None` 来指定默认块,即在没有触发输入时将运行的块
示例:
```python
class MyAutoBlock(AutoPipelineBlocks):
block_classes = [InpaintEncoderBlock, ImageEncoderBlock, TextEncoderBlock]
block_names = ["inpaint", "img2img", "text2img"]
block_trigger_inputs = ["mask_image", "image", None] # text2img is the default
```
使用此定义:
- 只要提供了 `mask_image`,"inpaint" 块就会执行(无论是否提供了 `image`)。
- 如果未提供 `mask_image` 但提供了 `image`,则会运行 "img2img" 块
- 否则,将执行 "text2img" 块(默认值,触发器为 `None`)
#### select_block[[diffusers.AutoPipelineBlocks.select_block]]
```python
select_block(**kwargs)
```
[源代码](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/modular_pipelines/modular_pipeline.py#L1036)
根据哪个触发输入存在(不为 None)来选择块。
## ConditionalPipelineBlocks[[diffusers.ConditionalPipelineBlocks]]
#### diffusers.ConditionalPipelineBlocks[[diffusers.ConditionalPipelineBlocks]]
```python
diffusers.ConditionalPipelineBlocks()
```
[源代码](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/modular_pipelines/modular_pipeline.py#L684)
**参数:**
block_classes : 要使用的块类列表。其长度必须与 `block_names` 相同。
block_names : 每个块的名称列表。其长度必须与 `block_classes` 相同。
block_trigger_inputs : `select_block()` 用于确定要运行哪个块的输入名称列表。对于 `ConditionalPipelineBlocks`,此列表无需与 `block_names` 和 `block_classes` 对应。对于 `AutoPipelineBlocks`,此列表的长度必须与 `block_names` 和 `block_classes` 相同,其中每个元素指定对应块的触发输入。
default_block_name : 当没有触发输入匹配时,要运行的默认块的名称。如果为 None,则在未提供触发输入时,可以完全跳过此块。
Pipeline Blocks 会根据输入有条件地选择要运行的 block。子类必须实现 `select_block` 方法以定义选择 block 的逻辑。目前,我们仅支持基于输入是否存在(即是否为 `None`)的选择逻辑。
此类继承自 [ModularPipelineBlocks](/docs/diffusers/v0.43.0/zh/api/modular_diffusers/pipeline_blocks#diffusers.ModularPipelineBlocks)。请查阅父类文档,了解该库为所有 pipeline 块实现的通用方法(例如加载或保存等)。
#### get_execution_blocks[[diffusers.ConditionalPipelineBlocks.get_execution_blocks]]
```python
get_execution_blocks(**kwargs)
```
[源代码](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/modular_pipelines/modular_pipeline.py#L874)
**参数:**
- ****kwargs**:输入名称和值。只有触发输入会影响块的选择。
**返回:** - `ModularPipelineBlocks`
叶块或已解析的 `SequentialPipelineBlocks`
- `None`:如果此块将被跳过(没有匹配的触发器且没有默认值)
获取给定输入下将执行的块。
递归解析嵌套的 ConditionalPipelineBlocks,直到达到以下任一条件:
- 叶块(没有 sub_blocks 或 LoopSequentialPipelineBlocks)→ 返回单个 `ModularPipelineBlocks`
- `SequentialPipelineBlocks` → 委托给其 `get_execution_blocks()`,该方法返回
一个包含已解析执行块的 `SequentialPipelineBlocks`
#### select_block[[diffusers.ConditionalPipelineBlocks.select_block]]
```python
select_block(**kwargs)
```
[源代码](https://github.com/huggingface/diffusers/blob/v0.43.0/src/diffusers/modular_pipelines/modular_pipeline.py#L830)
**参数:**
- ****kwargs** : 来自 state 的触发器输入名称及其值。
**返回:** `str | None`
要运行的块名称,或 None 以使用默认值/跳过。
根据触发器输入选择要运行的块。子类必须实现此方法以定义选择块的逻辑。
注意:当触发输入包含来自前面块的中间输出时,选择逻辑应仅取决于该输入是否存在(即是否为 None),而不取决于其实际值。这是因为 `get_execution_blocks()` 通过传播中间输出名称(而不传播其运行时值)来静态解析条件。

Xet Storage Details

Size:
10.9 kB
·
Xet hash:
4010c1f6632feadf715ab3c3b229a3120b582403ceaaa21a4ea7002e4dc8b839

Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.