Genera immagini in batch con un modello di diffusione su Deadline Cloud

Il job bundle text_to_image_batch su GitHub esegue la generazione di immagini batch ad alto rendimento su un JSONL di prompt utilizzando un modello di diffusione. Il modello predefinito è FLUX.2 Klein 4B, con licenza Apache 2.0, non autorizzato e suddiviso in 4 passaggi. Lo scheduler distribuisce le attività tra i lavoratori GPU disponibili, con la pipeline di diffusione caricata una volta per lavoratore e riutilizzata per ogni attività su quel lavoratore. Una fase aggregata produce un file JSONL combinato e un visualizzatore di gallerie HTML statico.

Quando una riga JSONL contiene un caption campo o un generated_text campo concatenato all'output del Esegui l'inferenza LLM in batch con vLLM su Deadline Cloud pacchetto, il lavoro compone il testo sull'immagine generata sotto forma di caratteri tipografici nitidi. Le righe senza didascalia producono immagini pure.

Per eseguire questo pacchetto, è necessaria una flotta gestita dai servizi con GPU NVIDIA e almeno 32 GB di RAM e una coda con un ambiente di coda conda che legge i parametri e i processi. CondaPackages CondaChannels Dalla directory del repository degli esempi, invia il lavoro: job_bundles

deadline bundle gui-submit text_to_image_batch

Per una panoramica completa sulla configurazione della farm, sul formato di input, sulla sovrapposizione delle didascalie e sul flusso di lavoro di concatenamento, consulta. Genera immagini in batch con un modello di diffusione