本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 在 Deadline Cloud 上使用扩散模型批量生成图像
<a name="examples-jb-text-to-image-batch"></a>

上的 [ text\_to\_image\_batch 作业包使用扩散模型在提示符的 JSONL 上 GitHub](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/job_bundles/text_to_image_batch)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](examples-jb-vllm-batch.md)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](tutorial-text-to-image-batch.md)