# LoopSequentialPipelineBlocks

[LoopSequentialPipelineBlocks](/docs/diffusers/v0.43.0/id/api/modular_diffusers/pipeline_blocks#diffusers.LoopSequentialPipelineBlocks) adalah tipe multi-blok yang menyusun [ModularPipelineBlocks](/docs/diffusers/v0.43.0/id/api/modular_diffusers/pipeline_blocks#diffusers.ModularPipelineBlocks) lainnya dalam sebuah loop. Data mengalir secara sirkular, menggunakan `inputs` dan `intermediate_outputs`, dan setiap blok dijalankan secara iteratif. Ini biasanya digunakan untuk membuat loop denoising yang secara default bersifat iteratif.

Panduan ini menunjukkan cara membuat [LoopSequentialPipelineBlocks](/docs/diffusers/v0.43.0/id/api/modular_diffusers/pipeline_blocks#diffusers.LoopSequentialPipelineBlocks).

## Loop pembungkus

[LoopSequentialPipelineBlocks](/docs/diffusers/v0.43.0/id/api/modular_diffusers/pipeline_blocks#diffusers.LoopSequentialPipelineBlocks), juga dikenal sebagai *loop wrapper* karena mendefinisikan struktur loop, variabel iterasi, dan konfigurasi. Di dalam loop wrapper, Anda memerlukan variabel berikut.

- `loop_inputs` adalah nilai yang diberikan pengguna dan setara dengan `inputs`.
- `loop_intermediate_outputs` adalah variabel antara baru yang dibuat oleh blok dan ditambahkan ke [PipelineState](/docs/diffusers/v0.43.0/id/api/modular_diffusers/pipeline_states#diffusers.modular_pipelines.PipelineState). Ini setara dengan `intermediate_outputs`.
- Metode `__call__` mendefinisikan struktur loop dan logika iterasi.

```py
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
```

Wrapper loop dapat meneruskan argumen tambahan, seperti indeks iterasi saat ini, ke blok loop.

## Blok loop

Blok loop adalah [ModularPipelineBlocks](/docs/diffusers/v0.43.0/id/api/modular_diffusers/pipeline_blocks#diffusers.ModularPipelineBlocks), tetapi metode `__call__` berperilaku berbeda.

- Itu menerima variabel iterasi dari pembungkus loop.
- Ini bekerja langsung dengan [BlockState](/docs/diffusers/v0.43.0/id/api/modular_diffusers/pipeline_states#diffusers.modular_pipelines.BlockState) alih-alih [PipelineState](/docs/diffusers/v0.43.0/id/api/modular_diffusers/pipeline_states#diffusers.modular_pipelines.PipelineState).
- Hal ini tidak memerlukan pengambilan atau pembaruan [BlockState](/docs/diffusers/v0.43.0/id/api/modular_diffusers/pipeline_states#diffusers.modular_pipelines.BlockState).

Blok loop berbagi [BlockState](/docs/diffusers/v0.43.0/id/api/modular_diffusers/pipeline_states#diffusers.modular_pipelines.BlockState) yang sama untuk memungkinkan nilai terakumulasi dan berubah pada setiap iterasi dalam loop.

```py
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

Gunakan metode [from_blocks_dict()](/docs/diffusers/v0.43.0/id/api/modular_diffusers/pipeline_blocks#diffusers.LoopSequentialPipelineBlocks.from_blocks_dict) untuk menambahkan blok loop ke wrapper loop guna membuat [LoopSequentialPipelineBlocks](/docs/diffusers/v0.43.0/id/api/modular_diffusers/pipeline_blocks#diffusers.LoopSequentialPipelineBlocks).

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

Tambahkan lebih banyak blok loop untuk dijalankan di dalam setiap iterasi dengan [from_blocks_dict()](/docs/diffusers/v0.43.0/id/api/modular_diffusers/pipeline_blocks#diffusers.LoopSequentialPipelineBlocks.from_blocks_dict). Hal ini memungkinkan Anda memodifikasi blok-blok tersebut tanpa mengubah logika loop itu sendiri.

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

Untuk menambahkan blok loop ke dalam loop denoising pipeline yang sudah ada, misalnya yang menjalankan fungsi `callback_on_step_end` di setiap langkah, lihat [Modular pipelines](../using-diffusers/callback#modular-pipelines) di panduan callback.