Fooocus 部署实战:从本地环境搭建到云端快速启动
引言
随着 Stable Diffusion 等底层模型的开源,AIGC 技术在文生图领域迎来了爆发。在众多工具中,由 lllyasviel(ControlNet 作者)开发的 Fooocus 凭借'化繁为简'的设计理念脱颖而出。它在保留 SDXL 强大能力的同时,将复杂参数内部化,用户只需关注提示词即可获得媲美专业软件的图像质量。
然而,将这样一个强大的工具运行在自己的设备上,往往是第一个挑战。AI 应用部署涉及操作系统依赖、GPU 驱动、Python 版本及库的兼容性问题。本文将通过两种路径——传统的本地手动配置与现代化的云平台一键部署——来探索 Fooocus 的落地过程,帮助读者在不同场景下选择最合适的策略。
本地化手动部署详解
选择手动部署意味着深入了解软件运行机理。虽然复杂,但每解决一个问题都会加深对环境细节的理解。
1. Conda 环境管理器的安装
直接使用系统 Python 容易导致依赖冲突。Conda 允许创建隔离的虚拟环境。Miniconda 是轻量级安装程序。
检查环境
conda -V
若返回版本号则已安装,否则需下载脚本。以 Linux 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协议及初始化 Conda。强烈建议选择 yes,这会自动修改 shell 配置文件(如 .bashrc),确保每次终端会话都能识别 Conda 命令。
加载配置使当前会话生效:
source ~/.bashrc
此时提示符前会出现 (base),再次运行 conda --version 验证即可。
2. 系统级依赖准备
Fooocus 运行可能需要底层系统库,如 ffmpeg 和图形界面库依赖。
apt-get update && apt-get install ffmpeg libsm6 libxext6 -y
此命令更新包列表并自动安装指定软件包。
3. 获取源码与配置环境
使用 Git 克隆项目:
git clone https://github.com/lllyasviel/Fooocus.git
cd Fooocus/
创建专属 Python 环境
项目提供了 environment.yaml 文件,可尝试直接创建:
conda env create -f environment.yaml
conda activate fooocus
pip install -r requirements_versions.txt
激活后提示符应变为 (fooocus)。
启动与模型下载 首次运行主程序时会自动下载模型权重(通常数 GB):
python entry_with_update.py --listen 0.0.0.0
若网络受限导致下载失败,可先运行一次创建目录结构,再手动下载 .safetensors 或 .pth 文件放入对应目录。


