Fooocus 部署实战：本地配置与云方案对比
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 开发的 Fooocus 凭借其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，让用户聚焦于创意。
然而，将这样一个强大的工具成功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. 环境管理器的安装与配置
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。Conda 是一个优秀的包管理和环境管理系统。
首先检查系统中是否已存在 Conda 环境：
conda -V
如果返回版本号说明已安装，否则需要下载 Miniconda 安装脚本。以 Linux 服务器为例：
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 命令都能被正确识别。加载配置后，终端提示符前会出现 (base) 字样。
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。使用 apt-get 安装常用依赖：
apt-get update && apt-get install ffmpeg libsm6 libxext6 -y
3. 获取源码与创建虚拟环境
克隆项目源码到本地：
git clone https://github.com/lllyasviel/Fooocus.git
cd Fooocus/
进入目录后，最核心的环节是创建 Python 虚拟环境。项目提供了 environment.yaml 文件，可以直接尝试自动创建：
conda env create -f environment.yaml
conda activate fooocus
pip install -r requirements_versions.txt
理论上环境配置完成，但实际运行中常会遇到坑。
4. 常见陷阱：Python 版本兼容性
首次启动程序时，可能会遇到致命错误：Could not find a version that satisfies the requirement torch==2.1.0。
这通常是因为当前 Conda 环境中的 Python 版本过于前沿（例如 3.13），而 PyTorch 的特定版本尚未支持该 Python 版本。PyTorch 的每一个发布版本都是针对特定范围的 Python 编译的。
解决方案： 手动创建一个指定旧版本 Python 的环境。社区经验表明，Python 3.10 或 3.11 是当前许多 AI 应用的稳定选择。
conda create --name fooocus python=3.10 -y
conda activate fooocus
pip install -r requirements_versions.txt
