Genere imágenes por lotes con un modelo de difusión en Deadline Cloud

El paquete de trabajos text_to_image_batch GitHub ejecuta la generación de imágenes por lotes de alto rendimiento en un JSONL de indicaciones mediante un modelo de difusión. El modelo predeterminado es FLUX.2 Klein 4B, que tiene licencia para Apache 2.0, no tiene restricciones y está resumido en 4 pasos. El programador distribuye las tareas entre los trabajadores de la GPU disponibles, y el proceso de difusión se carga una vez por trabajador y se reutiliza para cada tarea de ese trabajador. Un paso agregado produce un archivo JSONL combinado y un visor de galería HTML estático.

Cuando una línea JSONL contiene un caption campo, o un generated_text campo encadenado a partir de la salida del Ejecute la inferencia de LLM por lotes con vLLM en Deadline Cloud paquete, el trabajo compone el texto sobre la imagen generada en forma de una tipografía nítida. Las líneas sin subtítulo producen imágenes puras.

Para ejecutar este paquete, necesitas una flota gestionada por servicios con GPU NVIDIA y al menos 32 GB de RAM, y una cola con un entorno de cola conda que lea y ejecute los parámetros. CondaPackages CondaChannels Desde el job_bundles directorio del repositorio de muestras, envía el trabajo:

deadline bundle gui-submit text_to_image_batch

Para ver un tutorial completo sobre la configuración de la granja, el formato de entrada, la superposición de subtítulos y el flujo de trabajo de encadenamiento, consulte. Genere imágenes por lotes con un modelo de difusión