在 Deadline Cloud 上使用扩散模型批量生成图像

上的 text_to_image_batch 作业包使用扩散模型在提示符的 JSONL 上 GitHub运行高吞吐量批量图像生成。默认型号是 FLUX.2 Klein 4B，它已获得 Apache 2.0 许可，未加限制，精简为 4 个步骤。调度器在可用的 GPU 工作器之间分配任务，扩散管道为每个工作线程加载一次，然后重复用于该工作器上的每项任务。聚合步骤生成组合的 JSONL 文件和静态 HTML 库查看器。

当 JSONL 行包含一个caption字段或一个与在 Deadline Cloud 上使用 vLLM 运行批量 LLM 推理捆绑包的输出链接的generated_text字段时，作业会将文本合成在生成的图像上，形成清晰的排版。没有标题的线条会产生纯粹的图像。

要运行此套件，您需要一个具有 NVIDIA GPU 和至少 32 GB RAM 的服务管理队列，以及一个具有可读取CondaPackages和CondaChannels作业参数的 conda 队列环境的队列。从示例存储库的job_bundles目录中提交作业：

deadline bundle gui-submit text_to_image_batch

有关涵盖农场设置、输入格式、字幕叠加和链接工作流程的完整演练，请参阅。使用扩散模型批量生成图像