Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich. # Generieren Sie Bilder stapelweise mit einem Diffusionsmodell in Deadline Cloud Das Auftragspaket [ text\_to\_image\_batch on GitHub ](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/job_bundles/text_to_image_batch) 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](examples-jb-vllm-batch.md) 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 liest`CondaPackages`. `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](tutorial-text-to-image-batch.md)