InvokeAI 本地部署完整指南从环境自检到第一次出图【免费下载链接】InvokeAIInvoke is a leading creative engine for Stable Diffusion models, empowering professionals, artists, and enthusiasts to generate and create visual media using the latest AI-driven technologies. The solution offers an industry leading WebUI, and serves as the foundation for multiple commercial products.项目地址: https://gitcode.com/GitHub_Trending/in/InvokeAI想让 AI 绘画工具在自己的机器上真正跑起来比想象中繁琐依赖、显存、模型格式哪一环出错都会卡在启动前。InvokeAI 是一个面向 Stable Diffusion 系列模型的专业级 AI 绘画引擎自带 WebUI、节点式工作流与模型管理器。这篇文章给出一条可复现的路线照着做你能在自己的设备上完成 InvokeAI 本地安装、拉取第一个模型并生成第一张验证图像。环境自检先确认你的硬件能跑哪个模型InvokeAI 支持 Windows 10、macOS 14 与 LinuxUbuntu 20.04 验证最充分。能不能跑、跑什么模型主要由 GPU 与显存决定。下表给出两档参考模型档位代表模型最低配置推荐配置轻量档512×512SD1.5NVIDIA 10xx / 4GB 显存 / 8GB 内存NVIDIA 20xx / 6GB 显存 / 16GB 内存中档1024×1024SDXLNVIDIA 20xx / 8GB 显存 / 16GB 内存NVIDIA 30xx / 12GB 显存 / 32GB 内存重量档1024×1024FLUX.1 devNVIDIA 20xx / 10GB 显存 / 32GB 内存NVIDIA 40xx / 16GB 显存 / 64GB 内存不同硬件路线的支持情况NVIDIA支持最完整Windows 与 Linux 均可用nvidia-smi验证驱动与 CUDA。AMD仅 Linux 支持依赖 ROCm显存要求与 NVIDIA 相同官方提示偶有兼容问题属于能跑但需耐心的路线。Apple SiliconM1/M2 及以后均可运行建议 16GB 统一内存。Intel ArcWindows 与 Linux x86_64 支持Alchemist、Battlemage 及更新架构需较新的显卡驱动。CPU 模式可用但生成速度很慢只建议用来验证安装是否成功。提示显存略低于推荐值的显卡通常也能跑只是更慢。InvokeAI 自 v5.6.0 起默认开启低显存模式模型分层在内存与显存之间调度可以让显存不足的显卡运行更大的模型。一次装到位从目录到可运行的环境官方推荐用 Invoke Launcher 安装下载对应系统的安装包运行后点Install安装器负责 Python 与全部依赖。如果你希望手动掌控整个流程按下面五步走全程用uv管理 Python 与依赖不需要系统预装任何版本创建安装目录比如mkdir ~/invokeai cd ~/invokeai。创建虚拟环境uv venv --relocatable --prompt invoke --python 3.12 .venv它会自带一个可移植的 Python 3.12。激活环境Linux/macOS 执行source .venv/bin/activateWindows 执行.venv\Scripts\activate。安装主包。NVIDIA 20xx 及更早显卡装invokeai[xformers]30xx 及更新显卡或非 NVIDIA 环境直接装invokeai并附带你硬件对应的 torch 后端NVIDIA 用--torch-backendcu128Linux AMD 用--torch-backendrocm7.1无独显的 x86_64 Linux 用--torch-backendcpu。重新激活环境后启动invokeai-web --root ~/invokeai。注意AMD ROCm 路线目前建议同时限制 torch 版本torch2.12以避免已知的 ROCm 兼容问题。如果要从源码运行也可以先克隆仓库git clone https://gitcode.com/GitHub_Trending/in/InvokeAI再按 手动安装文档 操作。完整手动步骤见 手动安装指南各参数说明见 硬件要求文档。让算力跑起来GPU 识别与运行模式启动后InvokeAI 会在日志里写明本次生成实际使用的设备第一张图出来前先确认这一点。三条路线的判断方法NVIDIA推荐命令行运行nvidia-smi能显示驱动与 CUDA 版本即就绪。启动后在设置里选择对应显卡。AMD ROCm仅 Linux可用运行rocm-smi验证 ROCm 安装。能用但社区反馈偶有兼容问题出问题先查 ROCm 与 torch 版本组合。CPU 模式不推荐仅验证无独显时的兜底选项适合确认安装链路是通的不适合日常出图。显存紧张时优先检查安装目录下的invokeai.yaml确认enable_partial_loading: true默认已开启无需改动。Windows NVIDIA 用户还建议在 NVIDIA 控制面板把CUDA - Sysmem Fallback Policy设为Prefer No Sysmem Fallback否则显存写满后的系统内存回退会造成严重降速详见 低显存模式指南。拉一个模型三种获取方式模型是 InvokeAI 生成图像的核心支持.ckpt、.safetensors与 diffusers 目录三种格式。三条获取路径Starter Models新手首选首次启动会弹出模型管理器提示切到Starter Models标签可以看到官方策展的模型列表Install后直接可用。新手装一个 SDXL 起步显存充足10GB再考虑 FLUX.1 dev。URL / 本地路径在模型管理器里粘贴模型的直链、本地文件路径或 HuggingFace 仓库 ID形如作者/仓库名后者会被自动识别并走对应下载器。Scan Folder导入已有模型把放有模型的文件夹路径填进去扫描后一键安装。注意如果你的目标是把文件留在原处、只登记到 InvokeAI取消勾选Inplace install会复制文件到安装目录保持勾选则可原地引用按 FAQ 的场景自行取舍。体积与耗时预期SD1.5 约 2GBSDXL 约 6GBFLUX.1 dev 全精度超过 23GB量化版本显著更小。下载耗时取决于带宽2GB 模型在 100Mbps 网络下约需 4 分钟FLUX 级模型可能超过半小时。出图验证最小可用流程确认环境 OK模型装好后用一次文生图txt2img验证整条链路打开 WebUI 的txt2img标签。提示词输入a photo of a cat wearing sunglasses, 4k, realistic。主模型选择刚安装的sdxl_v10尺寸 1024×1024点击Generate。量化预期首次生成要先加载模型约 10–30 秒之后同一模型出图SDXL 1024×1024 在 8GB 级显卡上约 10–30 秒一张NVIDIA 30xx/40xx 更快。只要图像出现在画布上安装、算力、模型三件事就都通了。画布Canvas是 InvokeAI 的核心创作界面支持涂抹重绘、局部扩图与画笔工具排错手册按现象定位问题故障现象定位方向解决动作启动即报ValidationErrorinvokeai.yaml中有非法配置项按报错字段修正配置配置项含义见 配置文档启动失败 / 无响应驱动与运行时缺失跑nvidia-smiNVIDIA或rocm-smiAMD不通过就先装驱动Linux 还需libglib2.0-0、libgl1-mesa-glx两个 OpenCV 依赖库启动时刷 Triton 报错依赖提示非致命可安全忽略介意可在 Linux 上安装 Triton 消除模型装好后下拉列表里没有文件未被登记用Scan Folder重新导入旧版本升级丢失模型时取消Inplace install后Install All模型下载慢 / 卡住网络与源的问题改在带宽空闲时段下载或手动下载文件后用Scan Folder导入本地路径生成极慢实际在用 CPU 或触发系统内存回退看启动日志确认生成设备Windows NVIDIA 关闭 Sysmem Fallback显存不足按低显存指南调参Out of Memory 报错显存峰值超预算调低分辨率如 1024→768或在invokeai.yaml中把device_working_mem_gb从 3 提到 4生成慢且越用越卡Linuxglibc 内存碎片化设置环境变量MALLOC_MMAP_THRESHOLD_1048576代价是整体变慢更多问题分类见 FAQ。能力拓展从单张出图到工作流环境跑通之后三个方向值得优先探索LoRA风格与概念微调模型和主模型叠加使用体积小通常几十到几百 MB是扩展画风成本最低的方式。ControlNet用深度图、Canny 边缘图、线稿等控制生成构图适合按参考图出图的场景工作流与节点编辑器InvokeAI 的生成链路本身就是可视化节点图可以把多步流程提示词 → 采样 → 解码 → 放大存为工作流反复调用工作流库用于收藏和复用节点与画布的详细用法见 工作流文档。下一步跑通第一张图之后建议按这个顺序深入先读 文档索引 了解提示词写法与参数含义再按 低显存指南 把本机显存榨干最后用工作流把常用参数固化下来。需要更多帮助时可以提交 issue 或进入官方 Discord 社区交流。定期通过 Launcher 检查更新模型支持与内存优化策略都在持续演进。【免费下载链接】InvokeAIInvoke is a leading creative engine for Stable Diffusion models, empowering professionals, artists, and enthusiasts to generate and create visual media using the latest AI-driven technologies. The solution offers an industry leading WebUI, and serves as the foundation for multiple commercial products.项目地址: https://gitcode.com/GitHub_Trending/in/InvokeAI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 InvokeAI 本地部署完整指南：从环境自检到第一次出图
InvokeAI 本地部署完整指南从环境自检到第一次出图【免费下载链接】InvokeAIInvoke is a leading creative engine for Stable Diffusion models, empowering professionals, artists, and enthusiasts to generate and create visual media using the latest AI-driven technologies. The solution offers an industry leading WebUI, and serves as the foundation for multiple commercial products.项目地址: https://gitcode.com/GitHub_Trending/in/InvokeAI想让 AI 绘画工具在自己的机器上真正跑起来比想象中繁琐依赖、显存、模型格式哪一环出错都会卡在启动前。InvokeAI 是一个面向 Stable Diffusion 系列模型的专业级 AI 绘画引擎自带 WebUI、节点式工作流与模型管理器。这篇文章给出一条可复现的路线照着做你能在自己的设备上完成 InvokeAI 本地安装、拉取第一个模型并生成第一张验证图像。环境自检先确认你的硬件能跑哪个模型InvokeAI 支持 Windows 10、macOS 14 与 LinuxUbuntu 20.04 验证最充分。能不能跑、跑什么模型主要由 GPU 与显存决定。下表给出两档参考模型档位代表模型最低配置推荐配置轻量档512×512SD1.5NVIDIA 10xx / 4GB 显存 / 8GB 内存NVIDIA 20xx / 6GB 显存 / 16GB 内存中档1024×1024SDXLNVIDIA 20xx / 8GB 显存 / 16GB 内存NVIDIA 30xx / 12GB 显存 / 32GB 内存重量档1024×1024FLUX.1 devNVIDIA 20xx / 10GB 显存 / 32GB 内存NVIDIA 40xx / 16GB 显存 / 64GB 内存不同硬件路线的支持情况NVIDIA支持最完整Windows 与 Linux 均可用nvidia-smi验证驱动与 CUDA。AMD仅 Linux 支持依赖 ROCm显存要求与 NVIDIA 相同官方提示偶有兼容问题属于能跑但需耐心的路线。Apple SiliconM1/M2 及以后均可运行建议 16GB 统一内存。Intel ArcWindows 与 Linux x86_64 支持Alchemist、Battlemage 及更新架构需较新的显卡驱动。CPU 模式可用但生成速度很慢只建议用来验证安装是否成功。提示显存略低于推荐值的显卡通常也能跑只是更慢。InvokeAI 自 v5.6.0 起默认开启低显存模式模型分层在内存与显存之间调度可以让显存不足的显卡运行更大的模型。一次装到位从目录到可运行的环境官方推荐用 Invoke Launcher 安装下载对应系统的安装包运行后点Install安装器负责 Python 与全部依赖。如果你希望手动掌控整个流程按下面五步走全程用uv管理 Python 与依赖不需要系统预装任何版本创建安装目录比如mkdir ~/invokeai cd ~/invokeai。创建虚拟环境uv venv --relocatable --prompt invoke --python 3.12 .venv它会自带一个可移植的 Python 3.12。激活环境Linux/macOS 执行source .venv/bin/activateWindows 执行.venv\Scripts\activate。安装主包。NVIDIA 20xx 及更早显卡装invokeai[xformers]30xx 及更新显卡或非 NVIDIA 环境直接装invokeai并附带你硬件对应的 torch 后端NVIDIA 用--torch-backendcu128Linux AMD 用--torch-backendrocm7.1无独显的 x86_64 Linux 用--torch-backendcpu。重新激活环境后启动invokeai-web --root ~/invokeai。注意AMD ROCm 路线目前建议同时限制 torch 版本torch2.12以避免已知的 ROCm 兼容问题。如果要从源码运行也可以先克隆仓库git clone https://gitcode.com/GitHub_Trending/in/InvokeAI再按 手动安装文档 操作。完整手动步骤见 手动安装指南各参数说明见 硬件要求文档。让算力跑起来GPU 识别与运行模式启动后InvokeAI 会在日志里写明本次生成实际使用的设备第一张图出来前先确认这一点。三条路线的判断方法NVIDIA推荐命令行运行nvidia-smi能显示驱动与 CUDA 版本即就绪。启动后在设置里选择对应显卡。AMD ROCm仅 Linux可用运行rocm-smi验证 ROCm 安装。能用但社区反馈偶有兼容问题出问题先查 ROCm 与 torch 版本组合。CPU 模式不推荐仅验证无独显时的兜底选项适合确认安装链路是通的不适合日常出图。显存紧张时优先检查安装目录下的invokeai.yaml确认enable_partial_loading: true默认已开启无需改动。Windows NVIDIA 用户还建议在 NVIDIA 控制面板把CUDA - Sysmem Fallback Policy设为Prefer No Sysmem Fallback否则显存写满后的系统内存回退会造成严重降速详见 低显存模式指南。拉一个模型三种获取方式模型是 InvokeAI 生成图像的核心支持.ckpt、.safetensors与 diffusers 目录三种格式。三条获取路径Starter Models新手首选首次启动会弹出模型管理器提示切到Starter Models标签可以看到官方策展的模型列表Install后直接可用。新手装一个 SDXL 起步显存充足10GB再考虑 FLUX.1 dev。URL / 本地路径在模型管理器里粘贴模型的直链、本地文件路径或 HuggingFace 仓库 ID形如作者/仓库名后者会被自动识别并走对应下载器。Scan Folder导入已有模型把放有模型的文件夹路径填进去扫描后一键安装。注意如果你的目标是把文件留在原处、只登记到 InvokeAI取消勾选Inplace install会复制文件到安装目录保持勾选则可原地引用按 FAQ 的场景自行取舍。体积与耗时预期SD1.5 约 2GBSDXL 约 6GBFLUX.1 dev 全精度超过 23GB量化版本显著更小。下载耗时取决于带宽2GB 模型在 100Mbps 网络下约需 4 分钟FLUX 级模型可能超过半小时。出图验证最小可用流程确认环境 OK模型装好后用一次文生图txt2img验证整条链路打开 WebUI 的txt2img标签。提示词输入a photo of a cat wearing sunglasses, 4k, realistic。主模型选择刚安装的sdxl_v10尺寸 1024×1024点击Generate。量化预期首次生成要先加载模型约 10–30 秒之后同一模型出图SDXL 1024×1024 在 8GB 级显卡上约 10–30 秒一张NVIDIA 30xx/40xx 更快。只要图像出现在画布上安装、算力、模型三件事就都通了。画布Canvas是 InvokeAI 的核心创作界面支持涂抹重绘、局部扩图与画笔工具排错手册按现象定位问题故障现象定位方向解决动作启动即报ValidationErrorinvokeai.yaml中有非法配置项按报错字段修正配置配置项含义见 配置文档启动失败 / 无响应驱动与运行时缺失跑nvidia-smiNVIDIA或rocm-smiAMD不通过就先装驱动Linux 还需libglib2.0-0、libgl1-mesa-glx两个 OpenCV 依赖库启动时刷 Triton 报错依赖提示非致命可安全忽略介意可在 Linux 上安装 Triton 消除模型装好后下拉列表里没有文件未被登记用Scan Folder重新导入旧版本升级丢失模型时取消Inplace install后Install All模型下载慢 / 卡住网络与源的问题改在带宽空闲时段下载或手动下载文件后用Scan Folder导入本地路径生成极慢实际在用 CPU 或触发系统内存回退看启动日志确认生成设备Windows NVIDIA 关闭 Sysmem Fallback显存不足按低显存指南调参Out of Memory 报错显存峰值超预算调低分辨率如 1024→768或在invokeai.yaml中把device_working_mem_gb从 3 提到 4生成慢且越用越卡Linuxglibc 内存碎片化设置环境变量MALLOC_MMAP_THRESHOLD_1048576代价是整体变慢更多问题分类见 FAQ。能力拓展从单张出图到工作流环境跑通之后三个方向值得优先探索LoRA风格与概念微调模型和主模型叠加使用体积小通常几十到几百 MB是扩展画风成本最低的方式。ControlNet用深度图、Canny 边缘图、线稿等控制生成构图适合按参考图出图的场景工作流与节点编辑器InvokeAI 的生成链路本身就是可视化节点图可以把多步流程提示词 → 采样 → 解码 → 放大存为工作流反复调用工作流库用于收藏和复用节点与画布的详细用法见 工作流文档。下一步跑通第一张图之后建议按这个顺序深入先读 文档索引 了解提示词写法与参数含义再按 低显存指南 把本机显存榨干最后用工作流把常用参数固化下来。需要更多帮助时可以提交 issue 或进入官方 Discord 社区交流。定期通过 Launcher 检查更新模型支持与内存优化策略都在持续演进。【免费下载链接】InvokeAIInvoke is a leading creative engine for Stable Diffusion models, empowering professionals, artists, and enthusiasts to generate and create visual media using the latest AI-driven technologies. The solution offers an industry leading WebUI, and serves as the foundation for multiple commercial products.项目地址: https://gitcode.com/GitHub_Trending/in/InvokeAI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考