Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà. # Genera immagini in batch con un modello di diffusione su Deadline Cloud Il job bundle [ text\_to\_image\_batch su GitHub ](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/job_bundles/text_to_image_batch) 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](examples-jb-vllm-batch.md) 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](tutorial-text-to-image-batch.md)