Generieren Sie Bilder stapelweise mit einem Diffusionsmodell in Deadline Cloud

Das Auftragspaket text_to_image_batch on GitHub führt die Generierung von Batch-Bildern mit hohem Durchsatz auf einer JSONL von Prompts mithilfe eines Diffusionsmodells durch. Das Standardmodell ist FLUX.2 Klein 4B, das für Apache 2.0 lizenziert, ungatisiert und in 4 Schritte unterteilt ist. Der Scheduler verteilt die Aufgaben auf die verfügbaren GPU-Worker, wobei die Diffusionspipeline einmal pro Worker geladen und für jede Aufgabe auf diesem Worker wiederverwendet wird. Ein Aggregatschritt erzeugt eine kombinierte JSONL-Datei und einen statischen HTML-Galerie-Viewer.

Wenn eine JSONL-Zeile ein caption Feld oder ein aus der Führen Sie eine Batch-LLM-Inferenz mit vLLM in Deadline Cloud aus Paketausgabe generated_text verkettetes Feld enthält, fügt der Job den Text über dem generierten Bild als klare Typografie zusammen. Zeilen ohne Bildunterschrift erzeugen reine Bilder.

Um dieses Paket ausführen zu können, benötigen Sie eine vom Service verwaltete Flotte mit NVIDIA-GPUs und mindestens 32 GB RAM sowie eine Warteschlange mit einer Conda-Warteschlangenumgebung, die Lese- und Jobparameter liestCondaPackages. CondaChannels Senden Sie den Job aus dem job_bundles Verzeichnis des Beispiel-Repositorys ab:

deadline bundle gui-submit text_to_image_batch

Eine vollständige Anleitung zur Einrichtung der Farm, zum Eingabeformat, zu Überlagerungen von Untertiteln und zum Verkettungsworkflow finden Sie unter. Generieren Sie Bilder stapelweise mit einem Diffusionsmodell