Fooocus 部署实战：从本地环境搭建到云端快速启动
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，将复杂参数内部化，让用户聚焦于创意。
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 版本及库的兼容性问题。本文将通过两种截然不同的部署路径——传统的本地手动环境配置与现代化的云平台一键部署，来全面探索 Fooocus 的落地过程。
本地化手动部署详解
选择手动部署，意味着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，都会加深我们对系统环境和软件依赖的理解。
1. 基石：Conda 环境管理器的安装
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。Conda 允许我们轻松创建、保存和切换隔离环境。Miniconda 是 Conda 的轻量级安装程序。
首先检查系统中是否已存在 Conda 环境：
conda -V
如果返回版本号则已安装，否则需要下载 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协议及是否运行 conda init。强烈建议选择 yes。这会修改 shell 配置文件（如 ~/.bashrc），确保每次启动终端时 Conda 命令都能被识别。加载配置后，终端提示符前会出现 (base) 字样，表示已进入默认环境。
2. 系统级依赖准备
Fooocus 运行可能需要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。
apt-get update && apt-get install ffmpeg libsm6 libxext6 -y
3. 获取源码与环境配置
使用 Git 克隆项目仓库：
git clone https://github.com/lllyasviel/Fooocus.git
cd Fooocus/
进入目录后，核心环节是创建专属 Python 虚拟环境。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
注意： 这里常遇到 Python 版本不兼容的问题。PyTorch 对 Python 版本有严格要求，较新的 Python 版本（如 3.13）可能缺乏对应版本的 PyTorch 支持。如果遇到 Could not find a version that satisfies the requirement torch==2.1.0 错误，通常是因为当前环境 Python 版本过新。
此时建议手动指定旧版本 Python 创建环境，社区经验表明 Python 3.10 或 3.11 更为稳定：
conda create --name fooocus python=3.10 -y
conda activate fooocus
pip install -r requirements_versions.txt
激活环境后，再次尝试启动服务，并添加 --listen 0.0.0.0 参数以便网络访问：
