Fooocus 部署手记：本地折腾与云端懒人方案
最近想用 Fooocus 玩文生图，手头正好有台带 GPU 的机器，就想着自己装一下。结果一折腾就是大半天，踩的坑不少。后来试了试云平台的一键部署，几分钟跑起来，才真实感受到基础设施抽象带来的快乐。这里记录下两种路子的实际体验，给后来人指个路。
手动折腾记
首先是环境准备。官方推荐用 Conda，隔离性好，但装 Conda 本身就要几步。
安装 Miniconda
检查本地是否已安装：
conda -V
如果提示 command not found，就得从头装。Linux 下可以用 wget 拉取安装脚本：
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
过程中会问你是否同意协议、要不要 conda init。我建议 init，这样它会改你的 .bashrc，每次开终端自动激活 base 环境。装完 source ~/.bashrc 让配置生效，提示符前出现 (base) 就对了。
系统库依赖
Fooocus 还需要一些系统库，比如 ffmpeg、libsm6、libxext6。在 Ubuntu 上一条命令搞定：
apt-get update && apt-get install ffmpeg libsm6 libxext6 -y
拉取源码并创建环境
克隆仓库，进入目录：
git clone https://github.com/lllyasviel/Fooocus.git
cd Fooocus/
用 environment.yaml 创建 Conda 环境，然后激活：
conda env create -f environment.yaml
conda activate fooocus
接着安装额外 Python 依赖：
pip install -r requirements_versions.txt
首次启动与模型下载
运行入口脚本，加上 --listen 0.0.0.0 以便局域网访问：
python entry_with_update.py --listen 0.0.0.0
程序会自动下载 SDXL 模型，动辄几个G。网络慢的话，这个过程很煎熬。一个取巧的办法是：先运行一次让它生成目录结构，再手动把下好的模型文件塞进对应位置，这样能绕过龟速下载。
版本兼容性的坑
我遇到的最大问题是 Python 版本。一开始用了系统自带的 Python 3.13，结果 pip 安装 torch 时就报错：
Could not find a version that satisfies the requirement torch==2.1.0
道理很简单：torch 2.1.0 发布那会儿，Python 3.13 还没影呢，官方根本没给它编译二进制包。好在我用的 Conda，新建一个 Python 3.10 的环境就好：
