正文

InvokeAI 本地部署教程 2025：Windows/Mac 系统详细步骤解析

V管理员 /0阅读
06 26

🔧 Windows 系统安装步骤


1. 系统与硬件准备


  • 操作系统：Windows 10/11（64 位）。
  • 硬件要求：
    • 显卡：NVIDIA 显卡（推荐显存≥4GB，SDXL 模型需≥8GB），支持 CUDA 加速。
    • 内存：建议 12GB 以上，避免生成大尺寸图像时卡顿。
    • 存储空间：基础安装需 10GB，模型库建议预留 50GB 以上。

  • 软件依赖：
    • Python 3.10/3.11（3.9 版本已不再支持）。
    • Visual C++ Redistributable：微软官方运行库，解决 DLL 加载问题。
    • Hugging Face Token：用于下载模型（注册账号后获取）。


2. 下载与解压安装包


  • 下载方式：
  • 解压路径：
    • 将压缩包解压至非系统盘（如 D 盘），建议路径简洁（例如D:\InvokeAI），避免中文或特殊符号。
    • 关键文件：解压后目录包含install.bat（安装脚本）、WinLongPathsEnabled.reg（长路径支持注册表文件）。


3. 安装前环境配置


  • 启用长路径支持：
    • 双击WinLongPathsEnabled.reg文件，确认添加注册表项，解决路径过长导致的安装失败问题。

  • 安装 Python：
    • 检查版本：若系统未安装 Python 3.10/3.11，安装包内通常已包含对应版本（如python-3.11.1-amd64.exe），双击运行并勾选Add Python to PATH。
    • 验证安装：打开 CMD，输入python --version，确保输出Python 3.10.x或3.11.x。

  • 安装 Visual C++ 库：
    • 若安装过程中提示 DLL 错误，访问微软官网下载最新版运行库并安装。


4. 执行自动化安装脚本


  • 启动安装：
    • 双击install.bat，脚本将自动检测环境并安装依赖（包括 PyTorch、xformers 等）。
    • 注意：安装过程需联网下载约 2-3GB 依赖项，耗时可能长达 30 分钟，建议保持网络稳定。

  • 配置选项：
    • 安装路径：默认C:\Users\用户名\invokeai，可自定义（需确保目录有足够空间）。
    • GPU 选择：若有 NVIDIA 显卡，脚本会自动配置 CUDA 环境；若无显卡或使用 CPU 模式，选择对应选项。

  • Hugging Face Token：
    • 安装中途会提示输入 Token，登录Hugging Face 官网创建 Token（权限选择write），粘贴后继续。


5. 启动与测试


  • 启动程序：
    • 安装完成后，双击invoke.bat，选择选项1或2启动 Web 界面（默认端口9090）。
    • 首次运行：程序会自动下载基础模型（如 Stable Diffusion 1.5），耗时约 5-10 分钟。

  • 访问界面：
    • 打开浏览器，输入http://localhost:9090，进入 InvokeAI 操作面板。
    • 测试生成：在文本框输入提示词（如A fantasy landscape with dragons），点击Invoke生成图像，验证部署是否成功。


🖥️ Mac 系统（M1/M2 芯片）安装步骤


1. 系统与工具准备


  • 操作系统：macOS 12.3+（Monterey 及以上）。
  • 硬件要求：
    • 芯片：Apple Silicon（M1/M2）或 Intel 芯片（需 Rosetta 转译）。
    • 内存：建议 8GB 以上，M1 芯片的统一内存架构可优化显存使用。

  • 软件依赖：
    • Homebrew：包管理器，用于安装依赖项（如 Python、cmake）。
    • Python 3.10/3.11：通过 Homebrew 安装或使用系统自带版本。
    • Xcode Command Line Tools：用于编译依赖库，首次使用时系统会提示安装。


2. 安装 Homebrew 与依赖项


  • 安装 Homebrew：
    • 打开终端，执行以下命令（M1 芯片路径为/opt/homebrew）：
      bash
      /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

    • 配置环境变量：编辑.zshrc或.bash_profile，添加：
      bash
      export PATH="/opt/homebrew/bin:$PATH"

    • 验证安装：输入brew --version，确保输出版本号（如3.6.14）。

  • 安装依赖工具：
    bash
    brew install cmake protobuf rust python@3.10 git wget

    • 说明：python@3.10为指定版本 Python，避免与系统默认版本冲突。


3. 下载与安装 InvokeAI


  • 获取安装包：
    • 从 GitHub 下载 Mac 版安装包（如InvokeAI-installer-v4.2.3-mac.zip），解压至用户目录（如~/invokeai）。

  • 执行安装脚本：
    • 打开终端，进入解压目录，拖拽install.sh到终端窗口并回车：
      bash
      cd ~/invokeai  
bash install.sh

    • 配置选项：
      • 安装路径默认~/invokeai，可自定义。
      • 选择Apple Silicon (M1/M2)或Intel架构，根据芯片类型选择。


  • 处理依赖项：
    • 脚本会自动安装 PyTorch（基于 MPS 加速）、xformers 等库，耗时约 20-30 分钟，需保持网络畅通。


4. 配置与启动


  • Hugging Face Token：
    • 安装过程中提示输入 Token，操作方式与 Windows 一致，粘贴后继续。

  • 启动程序：
    • 安装完成后，在终端执行：
      bash
      cd ~/invokeai  
./invoke.sh

    • 选择选项1启动 Web 界面，浏览器访问http://localhost:9090。

  • 模型下载：
    • 首次启动会下载基础模型，M1 芯片可利用 Metal Performance Shaders（MPS）加速，生成速度优于 CPU 模式。


5. M1/M2 芯片优化


  • 显存管理：
    • 在invokeai.yaml中配置max_cache_vram_gb为显存的 70%-80%（如 8GB 显存设为 6GB），避免内存溢出。

  • 性能调优：
    • 使用--medvram或--lowvram参数启动，启用分块加载模式，降低显存占用。

  • Rosetta 转译（仅 Intel 芯片）：
    • 若使用 Intel Mac，右键install.sh选择Get Info，勾选Open using Rosetta，确保脚本以 x86 模式运行。


🛠️ 进阶配置与优化


1. 模型管理与扩展


  • 添加自定义模型：
    • 将下载的模型文件（如.safetensors或.ckpt）放入models/stable-diffusion目录，重启程序后在界面中选择Load Model加载。

  • 模型库推荐：
    • 基础模型：Stable Diffusion 1.5、SDXL 1.0（需高显存）。
    • 风格模型：Deliberate（写实）、Anything-V3（动漫），可从CivitAI或Hugging Face获取。

  • LoRA 与 ControlNet：
    • 将 LoRA 文件放入models/lora，ControlNet 模型放入models/controlnet，通过界面插件加载。


2. 显存优化策略


  • 低显存模式：
    • 编辑invokeai.yaml，添加：
      yaml
      enable_partial_loading: true  
pytorch_cuda_alloc_conf:  
  backend: cudamallocasync

    • 保存后重启程序，启用模型分块加载，4GB 显存可生成 512x512 图像。

  • 动态缓存调整：
    • 根据显存大小设置max_cache_ram_gb（内存缓存）和device_working_mem_gb（显存预留），例如：
      yaml
      max_cache_ram_gb:   # 系统内存32GB时  
device_working_mem_gb:   # 预留3GB显存用于推理

    • 平衡缓存与速度，避免频繁磁盘读写导致延迟。


3. 命令行高级功能


  • 批量生成：
    • 使用invokeai-batch命令行工具，按预设提示词和参数批量渲染图像：
      bash
      invokeai-batch --prompt "A sunset over the ocean" --n_samples  --output_dir ./batch_output


  • 模型训练（需专业版）：
    • 通过invokeai-train命令微调 LoRA 模型，指定数据集和训练参数：
      bash
      invokeai-train lora --pretrained_model sd-1.5 --train_data_dir ./my_dataset --output_name my_lora



4. 性能监控与调试


  • 查看日志：
    • 启动时终端会显示 GPU/CPU 使用情况、内存占用等信息，若生成缓慢可检查是否调用了正确设备（如Using device: mps或cuda:0）。

  • 显存分析：
    • 使用nvidia-smi（Windows/Linux）或Activity Monitor（Mac）监控显存占用，确保未超出显卡容量。


🚨 常见问题与解决方案


1. 安装失败或依赖错误


  • Python 版本不兼容：
    • 解决：卸载旧版 Python，重新安装 3.10/3.11，并确保python命令指向正确版本。

  • Visual C++ 库缺失：
    • 解决：从微软官网下载对应版本（x64）安装，重启后重试。

  • 网络连接问题：
    • 解决：使用代理或镜像源（如https://mirrors.ustc.edu.cn）加速下载，或离线安装依赖包。


2. 启动后界面无法访问


  • 端口占用：
    • 解决：检查是否有其他程序占用 9090 端口（如另一个 InvokeAI 实例），通过invoke.sh --port 8080指定新端口。

  • 防火墙拦截：
    • 解决：在 Windows 防火墙或 Mac 安全设置中允许invoke.bat/invoke.sh访问网络。


3. 生成图像质量差或失败


  • 模型文件损坏：
    • 解决：删除models目录下的异常文件，重新下载模型或验证文件哈希值。

  • 提示词权重问题：
    • 解决：使用(keyword:1.5)语法提升关键词权重，或通过Negative Prompt排除不良内容（如text, watermark）。

  • 显存不足：
    • 解决：降低图像分辨率（如从 1024x1024 降至 512x512）、启用低显存模式，或升级显卡。


4. Mac M1/M2 专属问题


  • MPS 加速未启用：
    • 解决：确保 PyTorch 版本支持 MPS（>=1.12），在终端输入python -c "import torch; print(torch.backends.mps.is_available())"验证，若返回False需重新安装依赖。

  • 权限不足：
    • 解决：在系统设置 > 隐私与安全性 > 开发者工具中允许终端访问文件系统。


📊 性能对比与选型建议


场景Windows（NVIDIA GPU）Mac（M1/M2）
生成速度快（CUDA 加速，RTX 3090 生成 512x512 约 5 秒）中（MPS 加速，M1 Pro 约 10 秒）
显存支持高（支持 24GB + 显存模型）中（依赖统一内存，建议≤8GB）
扩展性强（支持 ControlNet、LoRA 等插件）中（部分插件需适配 ARM 架构）
适合用户专业设计师、开发者轻度用户、移动办公

  • 推荐配置：
    • 预算充足：Windows + RTX 4090 显卡，适合高分辨率、复杂模型生成。
    • 便携优先：MacBook Pro M2 Max，兼顾性能与续航，适合旅途中创作。


📌 总结与资源


通过以上步骤，无论是 Windows 还是 Mac 用户均可完成 InvokeAI 的本地部署，解锁 AI 绘画的无限可能。从基础的文本生成图像，到高级的模型训练与工作流设计，InvokeAI 凭借开源生态和灵活配置，成为创意工作者的得力工具。如需进一步优化或探索新功能，可参考以下资源：


【该文章由dudu123.com嘟嘟 ai 导航整理，嘟嘟 AI 导航汇集全网优质网址资源和最新优质 AI 工具】