# ModülerPipelineBlokları

[ModularPipelineBlocks](/docs/diffusers/main/tr/api/modular_diffusers/pipeline_blocks#diffusers.ModularPipelineBlocks), bir [ModularPipeline](/docs/diffusers/main/tr/api/modular_diffusers/pipeline#diffusers.ModularPipeline) oluşturmak için temel bloktur. Bir iş akışındaki belirli bir adım için bir bloğun hangi bileşenleri, girdi/çıktıları ve hesaplamaları gerçekleştirmesi gerektiğini tanımlar. [ModularPipelineBlocks](/docs/diffusers/main/tr/api/modular_diffusers/pipeline_blocks#diffusers.ModularPipelineBlocks), [state](./modular_diffusers_states) kullanarak diğer bloklarla bağlantı kurar ve iş akışlarının modüler olarak oluşturulmasını sağlar.

Tek başına bir [ModularPipelineBlocks](/docs/diffusers/main/tr/api/modular_diffusers/pipeline_blocks#diffusers.ModularPipelineBlocks) çalıştırılamaz. Bir adımın bir pipeline'da ne yapması gerektiğine dair bir taslaktır. Bir pipeline'ı gerçekten çalıştırmak ve yürütmek için [ModularPipelineBlocks](/docs/diffusers/main/tr/api/modular_diffusers/pipeline_blocks#diffusers.ModularPipelineBlocks)'ün bir [ModularPipeline](/docs/diffusers/main/tr/api/modular_diffusers/pipeline#diffusers.ModularPipeline)'a dönüştürülmesi gerekir.

Bu kılavuz, [ModularPipelineBlocks](/docs/diffusers/main/tr/api/modular_diffusers/pipeline_blocks#diffusers.ModularPipelineBlocks) oluşturmayı gösterecektir.

## Girdiler ve çıktılar

> [!TIP]
> Modular Diffusers'da durumun nasıl çalıştığını bilmiyorsanız, [States](./modular_diffusers_states) kılavuzuna başvurun.

[ModularPipelineBlocks](/docs/diffusers/main/tr/api/modular_diffusers/pipeline_blocks#diffusers.ModularPipelineBlocks) bir `inputs` ve `intermediate_outputs` gerektirir.

- `inputs`, bir bloğun hesaplama işlemini gerçekleştirmek için [PipelineState](/docs/diffusers/main/tr/api/modular_diffusers/pipeline_states#diffusers.modular_pipelines.PipelineState) üzerinden okuduğu değerlerdir. Bunlar, bir kullanıcı tarafından sağlanan değerler (bir istem veya görüntü gibi) ya da önceki bir blok tarafından üretilen değerler (kodlanmış `image_latents` gibi) olabilir.

    `inputs` tanımlamak için `InputParam` kullanın.

```py
class ImageEncodeStep(ModularPipelineBlocks):
    ...

    @property
    def inputs(self):
        return [
            InputParam(name="image", type_hint="PIL.Image", required=True, description="raw input image to process"),
        ]
    ...
```

- `intermediate_outputs`, bir blok tarafından oluşturulan ve [PipelineState](/docs/diffusers/main/tr/api/modular_diffusers/pipeline_states#diffusers.modular_pipelines.PipelineState)'e eklenen yeni değerlerdir. `intermediate_outputs`, sonraki bloklar için `inputs` olarak kullanılabilir veya pipeline'ın çalıştırılmasından elde edilen nihai çıktı olarak kullanılabilir.

    `intermediate_outputs` tanımlamak için `OutputParam` kullanın.

```py
class ImageEncodeStep(ModularPipelineBlocks):
    ...

    @property
    def intermediate_outputs(self):
        return [
            OutputParam(name="image_latents", description="latents representing the image"),
        ]

    ...
```

Ara girdiler ve çıktılar, blokları birbirine bağlamak için verileri paylaşır. Herhangi bir noktada erişilebilir oldukları için iş akışının ilerlemesini izlemenizi sağlarlar.

## Bileşenler ve yapılandırmalar

Bir bloğun ihtiyaç duyduğu bileşenler ve pipeline düzeyindeki yapılandırmalar [ComponentSpec](/docs/diffusers/main/tr/api/modular_diffusers/pipeline_components#diffusers.ComponentSpec) ve [ConfigSpec](/docs/diffusers/main/tr/api/modular_diffusers/pipeline_components#diffusers.ConfigSpec) içinde belirtilir.

- [ComponentSpec](/docs/diffusers/main/tr/api/modular_diffusers/pipeline_components#diffusers.ComponentSpec), bir bloğun kullandığı beklenen bileşenleri içerir. Bileşenin `name` değerine ve ideal olarak bileşenin tam olarak ne olduğunu belirten bir `type_hint` değerine ihtiyacınız vardır.
- [ConfigSpec](/docs/diffusers/main/tr/api/modular_diffusers/pipeline_components#diffusers.ConfigSpec), tüm bloklarda davranışı kontrol eden pipeline düzeyinde ayarları içerir.

```py
class ImageEncodeStep(ModularPipelineBlocks):
    ...

    @property
    def expected_components(self):
        return [
            ComponentSpec(name="vae", type_hint=AutoencoderKL),
        ]

    @property
    def expected_configs(self):
        return [
            ConfigSpec("force_zeros_for_empty_prompt", True),
        ]

    ...
```

Bloklar bir pipeline'a dönüştürüldüğünde, bileşenler `__call__`'in ilk argümanı olarak bloğa erişilebilir hale gelir.

## Hesaplama mantığı

Bir bloğun gerçekleştirdiği hesaplama, `__call__` yönteminde tanımlanır ve belirli bir yapıyı izler.

1. `inputs` için yerel bir görünüm almak üzere [BlockState](/docs/diffusers/main/tr/api/modular_diffusers/pipeline_states#diffusers.modular_pipelines.BlockState) nesnesini alın.
2. `inputs` üzerinde hesaplama mantığını uygulayın.
3. Yerel [BlockState](/docs/diffusers/main/tr/api/modular_diffusers/pipeline_states#diffusers.modular_pipelines.BlockState)'ten değişiklikleri küresel [PipelineState](/docs/diffusers/main/tr/api/modular_diffusers/pipeline_states#diffusers.modular_pipelines.PipelineState)'ye geri göndermek için [PipelineState](/docs/diffusers/main/tr/api/modular_diffusers/pipeline_states#diffusers.modular_pipelines.PipelineState)'i güncelleyin.
4. Bir sonraki bloğa erişilebilir hale gelen bileşenleri ve durumu döndürür.

```py
class ImageEncodeStep(ModularPipelineBlocks):

    def __call__(self, components, state):
        # Get a local view of the state variables this block needs
        block_state = self.get_block_state(state)

        # Your computation logic here
        # block_state contains all your inputs
        # Access them like: block_state.image, block_state.processed_image

        # Update the pipeline state with your updated block_states
        self.set_block_state(state, block_state)
        return components, state
```

## Hepsini bir araya getirme

İşte tüm parçalar birleştirilmiş tam blok.

```py
from diffusers import ComponentSpec, AutoencoderKL
from diffusers.modular_pipelines import InputParam, ModularPipelineBlocks, OutputParam

class ImageEncodeStep(ModularPipelineBlocks):

    @property
    def description(self):
        return "Encode an image into latent space."

    @property
    def expected_components(self):
        return [
            ComponentSpec(name="vae", type_hint=AutoencoderKL),
        ]

    @property
    def inputs(self):
        return [
            InputParam(name="image", type_hint="PIL.Image", required=True, description="raw input image to process"),
        ]

    @property
    def intermediate_outputs(self):
        return [
            OutputParam(name="image_latents", type_hint="torch.Tensor", description="latents representing the image"),
        ]

    def __call__(self, components, state):
        block_state = self.get_block_state(state)
        block_state.image_latents = components.vae.encode(block_state.image)
        self.set_block_state(state, block_state)
        return components, state
```

Her bloğun, yukarıda tanımladığınız özelliklerden otomatik olarak oluşturulan bir `doc` özelliği vardır. Bu özellik, bloğun açıklamasının, bileşenlerinin, girdilerinin ve çıktılarının bir özetini sunar.

```py
block = ImageEncoderStep()
print(block.doc)
class ImageEncodeStep

  Encode an image into latent space.

  Components:
      vae (`AutoencoderKL`)

  Inputs:
      image (`PIL.Image`):
          raw input image to process

  Outputs:
      image_latents (`torch.Tensor`):
          latents representing the image
```