Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

# Hasilkan gambar dalam batch dengan model difusi di Deadline Cloud
<a name="examples-jb-text-to-image-batch"></a>

Bundel pekerjaan [ text\_to\_image\_batch menjalankan pembuatan gambar batch throughput tinggi pada GitHub ](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/job_bundles/text_to_image_batch) prompt JSONL menggunakan model difusi. Model defaultnya adalah FLUX.2 Klein 4B, yang berlisensi Apache 2.0, tidak diurutkan, dan disuling ke 4 langkah. Penjadwal mendistribusikan tugas di seluruh pekerja GPU yang tersedia, dengan pipeline difusi dimuat sekali per pekerja dan digunakan kembali untuk setiap tugas pada pekerja itu. Langkah agregat menghasilkan file JSONL gabungan dan penampil galeri HTML statis.

Ketika garis JSONL membawa `caption` bidang, atau `generated_text` bidang yang dirantai dari output [Jalankan inferensi LLM batch dengan vLLM di Deadline Cloud](examples-jb-vllm-batch.md) bundel, pekerjaan menggabungkan teks di atas gambar yang dihasilkan sebagai tipografi yang tajam. Garis tanpa keterangan menghasilkan citra murni.

Untuk menjalankan bundel ini, Anda memerlukan armada yang dikelola layanan dengan GPU NVIDIA dan setidaknya 32 GB RAM, dan antrian dengan lingkungan antrian conda yang membaca `CondaPackages` dan parameter pekerjaan. `CondaChannels` Dari `job_bundles` direktori repositori sampel, kirimkan pekerjaan:

```
deadline bundle gui-submit text_to_image_batch
```

Untuk panduan lengkap yang mencakup pengaturan pertanian, format input, overlay keterangan, dan alur kerja rantai, lihat. [Hasilkan gambar dalam batch dengan model difusi](tutorial-text-to-image-batch.md)