LoopSequentialPipelineBlocks 是一种多块类型,它将其他 ModularPipelineBlocks 以循环方式组合在一起。数据循环流动,使用 intermediate_inputs 和 intermediate_outputs,并且每个块都是迭代运行的。这通常用于创建一个默认是迭代的去噪循环。
本指南向您展示如何创建 LoopSequentialPipelineBlocks。
LoopSequentialPipelineBlocks,也被称为 循环包装器,因为它定义了循环结构、迭代变量和配置。在循环包装器内,您需要以下变量。
loop_inputs 是用户提供的值,等同于 inputs。loop_intermediate_inputs 是来自 PipelineState 的中间变量,等同于 ~modular_pipelines.ModularPipelineBlocks.intermediate_inputs。loop_intermediate_outputs 是由块创建并添加到 PipelineState 的新中间变量。它等同于 intermediate_outputs。__call__ 方法定义了循环结构和迭代逻辑。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)
# 循环结构 - 可以根据您的需求定制
for i in range(block_state.num_steps):
# loop_step 按顺序执行所有注册的块
components, block_state = self.loop_step(components, block_state, i=i)
self.set_block_state(state, block_state)
return components, state循环包装器可以传递额外的参数,如当前迭代索引,到循环块。
循环块是一个 ModularPipelineBlocks,但 __call__ 方法的行为不同。
BlockState一起工作,而不是PipelineState。BlockState。循环块共享相同的BlockState,以允许值在循环的每次迭代中累积和变化。
class LoopBlock(ModularPipelineBlocks):
model_name = "test"
@property
def inputs(self):
return [InputParam(name="x")]
@property
def intermediate_outputs(self):
# 这个块产生的输出
return [OutputParam(name="x")]
@property
def description(self):
return "我是一个在`LoopWrapper`类内部使用的块"
def __call__(self, components, block_state, i: int):
block_state.x += 1
return components, block_state使用from_blocks_dict()方法将循环块添加到循环包装器中,以创建LoopSequentialPipelineBlocks。
loop = LoopWrapper.from_blocks_dict({"block1": LoopBlock})添加更多的循环块以在每次迭代中运行,使用from_blocks_dict()。这允许您在不改变循环逻辑本身的情况下修改块。
loop = LoopWrapper.from_blocks_dict({"block1": LoopBlock(), "block2": LoopBlock})