手动部署：一旦踩坑，全都是细节
想用 Fooocus，第一步就是把它跑起来。最简单的方式是找台带 GPU 的机器，手动配好环境。但这个过程没有看起来那么顺，一不留神就卡在某个版本冲突上。
先确认 Conda 装没装：
conda -V
如果有版本号返回，跳过安装；否则装 Miniconda。Linux 上这样来：
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
安装时问是否初始化 Conda，选 yes，这样每次打开终端都能直接 conda activate，省得手动 source。装完后执行 source ~/.bashrc 让配置生效。
Fooocus 还依赖一些系统图像库，一并装上：
apt-get update && apt-get install ffmpeg libsm6 libxext6 -y
接下来克隆代码：
git clone https://github.com/lllyasviel/Fooocus.git
cd Fooocus/
项目里有个 environment.yaml，直接用它建环境可能会失败。主要是 PyTorch 2.1.0 还没支持太新的 Python 版本，如果你当前环境默认 Python 3.13 就会报 Could not find a version that satisfies the requirement torch==2.1.0。我踩过这个坑，所以干脆手动指定 Python 3.10：
conda create --name fooocus python=3.10 -y
conda activate fooocus
pip install -r requirements_versions.txt
这样依赖安装一般就顺畅多了。第一次启动时程序会自动下载模型，但网络不稳很容易中断。我的做法是先跑一遍让它建好目录，然后从镜像站手动下载 .safetensors 文件丢进对应文件夹，再启动：
python entry_with_update.py --listen 0.0.0.0
加 --listen 0.0.0.0 是为了让局域网其他设备也能访问。这时候如果报 CUDA 错误，多半是驱动和 torch 版本没对上，不过用 pip 装的 requirements 版本通常能避掉。
手动部署整个过程走通，基本能让你知道 Python 环境隔离、依赖冲突、模型路径这些底层是怎么回事。代价是花时间，而且中间任何一步卡住都可能劝退新手。
云端一键部署：镜像一上架，参数全交出去
如果只想尽快用上 Fooocus，不想折腾环境，另一个选择是找提供 AIGC 应用镜像的云平台。这种平台会把操作系统、驱动、CUDA、Python 环境甚至模型都打包成一个模板，你选好 GPU 机型，点几下鼠标就搞定。
我用过一次某平台的 Fooocus 镜像，大致流程是这样：
- 在应用广场找到 Fooocus，选择镜像。
- 创建实例时选一张显存够大的显卡（比如 RTX 4090），计费按量，关机后只收少量存储费。
- 平台会自动加载镜像，内置的 Python 3.10 环境和依赖都已经配好，模型也挂载好了，不用自己下载。
- 实例创建完后，点'快速运行应用'，几秒钟就能得到一个 WebUI 地址，浏览器打开直接看到 Fooocus 界面。
从零到出图，全过程不超过十分钟，而且几乎不会失败。对于想快速验证想法，或者平时不怎么接触命令行的创作者来说，这种体验比手动部署友好太多。当然，云的缺点是你摸不到底层发生了什么，想学习技术细节就差点意思。
实际生成效果
部署完当然要跑几张图试试。以下是我试过的几个提示词，出图质量都不错。
未来都市的魔法少女
