InvokeAI 部署选型从一次尝鲜到团队共用的最简完整路径【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/InvokeAIInvokeAI 是一个把 Stable Diffusion 系列模型跑成本地 Web 服务的创意引擎启动后在浏览器里生成图像。部署方式选型其实只回答一个问题你是想试一次就走、长期自己用还是给团队共用。下面按这三种场景给出最小可执行路径每条命令都标了做完该看到什么。用一个容器试一次不污染系统只试一次的场景最快的路径是官方容器镜像不用装 Python也不用克隆仓库。前提只有一个Docker 已经配好 GPU 访问NVIDIA 卡需要先装 nvidia-container-toolkit。日志打印完启动信息并绑定端口后在浏览器打开 http://localhost:9090 就能看到 WebUIdocker run --runtimenvidia --gpusall \ --publish 9090:9090 \ ghcr.io/invoke-ai/invokeaiAMD 卡不用--gpus参数换成--device /dev/kfd --device /dev/dri并改用:main-rocm镜像标签。页面打开后进 Model Manager 装一个文生图模型就能跑第一次生成。注意这个尝鲜实例是临时的容器一停生成的图和模型就没了。想保留它们只多一行 volumedocker run --runtimenvidia --gpusall \ --publish 9090:9090 \ --volume /home/you/invokeai:/invokeai \ ghcr.io/invoke-ai/invokeai这样所有数据落在宿主机的/home/you/invokeai重建容器也不丢。试一次方案的容器化收益就是环境隔离试完停掉、不留痕迹。更多镜像变量见 Docker 配置文档。装一套能长期跑的本地环境准备每天用它就值得本地安装文件直接在系统里、不用穿过容器层升级路径也清晰。纯桌面用户可以先考虑官方图形化 Launcher下面是手动路径适合 Linux 和 headless 服务器。全程依赖uv一个快速的 Python 工具按其官方方式装好。先建环境跑完会得到一个.venv目录命令行提示符前缀变化表示已激活mkdir -p ~/invokeai cd ~/invokeai uv venv --relocatable --python 3.12 --python-preference only-managed .venv source .venv/bin/activateInvokeAI 严格要求 Python 3.12上面这条uv venv会自动拉取对应解释器系统里没装 Python 也没关系。接着装包本体NVIDIA 卡要加 cu130 后端参数装完后应该能在终端里敲出invokeai-web命令uv pip install invokeai --python 3.12 --python-preference only-managed \ --torch-backendcu130AMD 卡不加 torch 后端改按手动安装文档里的 ROCm wheel 索引处理。装完启动终端会打印监听地址和端口invokeai-web --root ~/invokeai--root指定数据目录默认也是~/invokeai模型、生成图、配置全在这里它是你唯一需要备份的东西。如果显存吃紧比如 8GB 显存想跑 10GB 级的模型不必急着换卡InvokeAI 在设置里提供了溢出到系统内存的选项开启后速度变慢但能出图让小团队共用一个 InvokeAI 实例多人共用 容器化 一个共享数据目录。compose 配置在仓库的docker/目录里先克隆仓库并复制环境变量模板会得到一份可编辑的.env骨架git clone https://gitcode.com/GitHub_Trending/in/InvokeAI cd InvokeAI/docker cp .env.sample .env.env一般只需要填几行INVOKEAI_ROOT指到团队都能访问的目录CONTAINER_UID填宿主机用户的 UIDid -u查INVOKEAI_ROOT/mnt/shared/invokeai INVOKEAI_PORT9090 GPU_DRIVERcuda CONTAINER_UID1000跑./run.sh首次会构建镜像、耗时几分钟之后启动直接./run.sh这里 CtrlC 不会停掉容器要用docker compose down停止。账号权限方面多用户模式在 Web 后台开启首次启动会创建管理员账号细节见多用户模式管理员指南。三种场景只需要改对的 3 个配置项场景不同真正要拍板的其实是同样三个值INVOKEAI_ROOT决定模型和产物存在哪默认~/invokeai。设成固定绝对路径并定期备份这个目录它是全部数据命脉。INVOKEAI_PORTWeb 监听端口默认9090。端口冲突就改它docker run里--publish冒号后的端口要同步改。GPU 选择容器里是GPU_DRIVERcuda或rocm本地安装是--torch-backendcu130只有 CPU 时不加。先看现象四个高频翻车点 ⚠️docker run报could not select device driver nvidia→ 原因是 docker daemon 没配 NVIDIA toolkit → 装好 nvidia-container-toolkit 后重启 docker 服务原命令重试。启动日志出现 CUDA 报错并回落到 CPU→ 常见于显卡过老Maxwell/Pascal/Volta 不支持或驱动太旧 → 更新到 R580 系列及以上驱动具体卡型支持见硬件要求页。容器重建后模型和图全没了→ 数据目录没映射到宿主机 → 补上--volume或设好INVOKEAI_ROOT并养成备份习惯。本地安装成功但生成失败日志提示 torch 后端不匹配→ 安装时漏加--torch-backend或加错 → Linux NVIDIA 应带--torch-backendcu130重装。部署完对照这 5 项验收 ✅启动后按清单逐项过全勾上才算真正可用打开http://localhost:9090出现 WebUI而不是连接被拒绝。Model Manager 的模型列表非空且装好了至少一个文生图模型。在文生图面板生成一次图进度条正常走完并显示结果。生成日志的设备字段是cuda:0或对应 ROCm 设备而不是cpu。生成图能在INVOKEAI_ROOT目录里找到且当前用户有读权限。五项都能勾上部署阶段就结束了。下一步按硬件要求页选一个匹配你显存的模型装第一个文生图模型。【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
