本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 在截止日期雲端上使用擴散模型批次產生映像
<a name="examples-jb-text-to-image-batch"></a>

[GitHub 上的 text\_to\_image\_batch 任務套件](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/job_bundles/text_to_image_batch)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](examples-jb-vllm-batch.md)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](tutorial-text-to-image-batch.md)。