在截止日期雲端上使用擴散模型批次產生映像

GitHub 上的 text_to_image_batch 任務套件會使用擴散模型，在 JSONL 提示上執行高輸送量批次映像產生。預設模型為 FLUX.2 Klein 4B，其為 Apache 2.0 授權、非門控和 4 個步驟。排程器會將任務分配到可用的 GPU 工作者，每個工作者會載入擴散管道一次，並針對該工作者上的每個任務重複使用。彙總步驟會產生合併的 JSONL 檔案和靜態 HTML 圖庫檢視器。

當 JSONL 行攜帶caption欄位或從在截止日期雲端上使用 vLLM 執行批次 LLM 推論套件輸出鏈結generated_text的欄位時，任務會將產生影像上的文字複合為清晰的排版。沒有字幕的行會產生純影像。

若要執行此套件，您需要具有 NVIDIA GPUs 和至少 32 GB RAM 的服務受管機群，以及具有讀取CondaPackages和CondaChannels任務參數之 conda 佇列環境的佇列。從範例儲存庫的 job_bundles目錄中，提交任務：

deadline bundle gui-submit text_to_image_batch

如需涵蓋陣列設定、輸入格式、字幕浮水印和鏈結工作流程的完整演練，請參閱 使用擴散模型批次產生映像。