企业官网建设流程全解析

Upscayl 批量放大：5 步跑完整个文件夹

【免费下载链接】upscayl🆙 Upscayl - #1 Free and Open Source AI Image Upscaler for Linux, MacOS and Windows.项目地址: https://gitcode.com/GitHub_Trending/up/upscayl

两百张图，别再一张张点

这一节回答：批量放大替你省掉哪些重复操作。

上架前要把 200 张产品图放大。Upscayl 的批量放大（Batch Upscayl）模式只选两个文件夹。

输入文件夹一次，输出文件夹一次，其余全自动。PNG、JPG、JPEG、WebP 依次排队处理。结果统一放进新建的子文件夹。

同一批 200 张图，比单张模式少点约 400 次鼠标。

跑起来之前，先确认这三件事

这一节解决装不上、跑不动、没地方存结果三类前置问题。

• 显卡：NVIDIA GTX 1050 Ti 或 AMD RX 560，驱动需支持 Vulkan
• 内存：8GB 起步，16GB 跑大图更稳
• 磁盘：输出目录预留 2GB 以上空间

安装三步：

1. 从官网或 GitCode 仓库下载对应系统安装包（Windows 为 .exe，macOS 为 .dmg，Linux 为 .AppImage）
2. 双击安装；Windows 弹出用户账户控制时点"是"
3. 启动应用，左侧出现四步操作区即就绪

图：Upscayl 主界面，左侧自上而下是批量放大开关、选文件、选放大类型、设输出目录、开始。

从选文件夹到出结果，5 步

这一节给出完整操作顺序，照着点即可。

1. 打开左侧 Batch Upscayl 开关。(你会看到：Step 1 按钮从 SELECT IMAGE 变为 SELECT FOLDER)
2. 点 Step 1，选存放原图的文件夹。(你会看到：悬停按钮即显示所选路径)
3. Step 2 选模型与倍数。(你会看到：默认 upscayl-standard-4x、4x，下方显示目标尺寸 = 原图 ×4)
4. 点 Step 3，选结果保存的位置。(你会看到：路径显示在按钮下方)
5. 点 Step 4 的 UPSAYL 开始。(你会看到：进度条走动，完成后弹系统通知)

完成后，结果在输出目录下新建的文件夹里。文件夹名形如upscayl_png_upscayl-standard-4x_4x，规则见 批处理命令模块。

四个参数，什么时候该动

这一节说清哪些参数要动、动到什么值。

两条判断标准：

• 显存 8GB 及以下，分片大小填 400，别用默认自动值。
• 发社交平台选 webp 加压缩 80；印刷选 png 加压缩 0。

图：Upscayl 处理界面中的对比视图，滑块右侧是放大后的图，边缘细节更实。

卡住了？查这三个地方

处理中断或结果不对，按症状对号入座。

• 症状：进度极慢，像在跑 CPU。原因：显卡没被调用，回落到 CPU 计算。解决：1. 打开设置页日志区，看启动时列出的显卡名与编号 2. 在 GPU ID（显卡编号）输入框填该编号 3. 重跑任务，日志出现该显卡名即生效

• 症状：处理大图时程序直接消失。原因：显存不够，进程被系统杀掉。解决：1. 设置页把分片大小填 400 2. 关掉浏览器等吃显存的程序 3. 文件夹拆成每批 200 张以内，分两次跑

• 症状：结果里少了几张图。原因：文件不是 PNG/JPG/JPEG/WebP，或文件头损坏。解决：1. 在日志区搜 Error 行定位文件名 2. 用下面的脚本扫一遍文件夹 3. 转存或删除坏文件后重跑

在任意目录新建 check.py，写入以下内容，执行python check.py 图片文件夹：

from PIL import Image import os, sys for f in os.listdir(sys.argv[1]): p = os.path.join(sys.argv[1], f) try: Image.open(p).verify() except Exception as e: print("坏文件:", f, e)

接下来可以做的事

• 自定义模型：把 NCNN 模型（.bin + .param 一对文件）放进自定义文件夹。设置页登记后，Step 2 里就能选。
• 元数据搬运：打开 Copy Image Metadata 开关。跑完一轮，原图 EXIF 自动写入结果图。
• 官方排错：按系统分类的报错条目，见 docs/Guide.md。

选一个文件夹，打开 Batch Upscayl，点 UPSAYL，剩下的交给它。

【免费下载链接】upscayl🆙 Upscayl - #1 Free and Open Source AI Image Upscaler for Linux, MacOS and Windows.项目地址: https://gitcode.com/GitHub_Trending/up/upscayl