Fooocus 部署实战：本地环境配置与云平台方案对比
随着 Stable Diffusion 等底层模型的开源，AIGC 技术特别是文生图领域迎来了爆发。在众多工具中，由 lllyasviel 开发的 Fooocus 凭借简化的操作和高质量的输出脱颖而出。它的设计理念是'化繁为简'，在保留 SDXL 强大能力的同时，将复杂的参数设置内部化，让用户只需聚焦于创意即可生成媲美专业级软件的图像。
然而，将这样一个强大的工具运行在自己的设备上，往往是开启创作之旅的第一道门槛。AI 应用的部署涉及复杂的软硬件环境配置，包括操作系统依赖、GPU 驱动、Python 版本及第三方库的兼容性问题。本文将通过两种截然不同的路径——传统的本地手动配置与现代化的云服务平台一键部署——来全面探索 Fooocus 的落地过程，并分析各自的优劣。
本地手动部署详解
选择手动部署意味着你选择了一条能够深入了解软件运行机理的路径。虽然复杂，但每解决一个问题，都会加深对系统环境和软件依赖的理解。
1. 环境基础搭建
在部署任何复杂的 Python 项目之前，首要任务是建立一个隔离、纯净的运行环境。直接使用系统自带的 Python 解释器极易导致不同项目间的库版本冲突，即所谓的'依赖地狱'。Conda 是一个优秀的包管理和环境管理系统，Miniconda 则是其轻量级安装程序。
首先检查系统中是否已存在 Conda 环境：
conda -V
如果终端返回版本号，说明已安装；若提示 command not found，则需要从官方渠道下载 Miniconda 安装脚本。以 Linux 64 位系统为例：
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
chmod +x Miniconda3-latest-Linux-x86_64.sh
./Miniconda3-latest-Linux-x86_64.sh
安装过程中会询问是否接受许可协议以及是否初始化 Conda。强烈建议选择 yes，这会自动修改 shell 配置文件（如 .bashrc），确保每次启动新终端时都能识别 Conda 命令。安装完成后，记得执行 source ~/.bashrc 使配置立即生效。
此外，Fooocus 运行可能还需要一些底层的系统库来处理图像和视频，例如 ffmpeg 和图形界面库依赖。使用 apt-get 可以方便地安装：
apt-get update && apt-get install ffmpeg libsm6 libxext6 -y
2. 获取源码与创建虚拟环境
环境基础打好后，下一步就是获取 Fooocus 的源代码。代码托管在 GitHub 上，使用 git 克隆仓库：
git clone https://github.com/lllyasviel/Fooocus.git
cd Fooocus/
进入项目目录后，最核心的环节是创建 Python 虚拟环境。项目提供了一个 environment.yaml 文件，定义了所需的依赖项。初次尝试可以直接使用它自动创建环境：
conda env create -f environment.yaml
conda activate fooocus
pip install -r requirements_versions.txt
这里有个常见的坑：Python 版本兼容性。PyTorch (torch) 的每一个发布版本都是针对特定范围的 Python 编译的。如果你当前的 Conda 环境选择了过新的 Python 版本（如 3.13），而 Fooocus 依赖的 torch==2.1.0 尚未支持该版本，就会报错 Could not find a version that satisfies the requirement torch==2.1.0。
遇到这种情况，建议手动创建一个指定 Python 版本的环境。根据社区经验，Python 3.10 或 3.11 是当前许多 AI 应用的稳定选择：
