企业官网建设流程全解析

10 分钟跑通 InvokeAI：从本地安装到容器化部署的实操路径

【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/InvokeAI

InvokeAI 部署看起来不复杂：克隆仓库、装依赖、起服务。但实际操作里第一个卡人的地方是环境——Python 版本被锁在 3.12，torch 构建还要按 GPU 类型选，装错一步就会直接报错。所以与其空谈本地和容器哪个好，不如按三种真实场景给出具体路径："只想跑起来"、"要隔离可复现"、"长期挂在生产上"。

第一次跑通：用 uv 走通本地部署 InvokeAI 的路径

系统要求里写得很明确：Python 锁定 3.12。好消息是官方手动安装文档用uv从头管理环境，uv 自带 Python 3.12，系统里装了什么版本都不用管。全程就四条命令：

git clone https://gitcode.com/GitHub_Trending/in/InvokeAI && cd InvokeAI

克隆仓库并进入目录。

uv venv --relocatable --prompt invoke --python 3.12 --python-preference only-managed .venv

这条命令在.venv下建一套独立的 Python 3.12 环境：

source .venv/bin/activate uv pip install . --torch-backend=cu130

激活环境后把仓库作为包安装进去。--torch-backend=cu130表示拉取 CUDA 版 torch，NVIDIA 显卡才需要，没有 NVIDIA 显卡就省掉它；AMD 显卡要单独装 ROCm 的 wheel，别自己拼参数，按手动安装文档里的对照表走。装完启动服务：

invokeai-web --root ~/invokeai

--root参数指定运行时目录，模型和生成图都放在这个路径下。浏览器打开http://localhost:9090，第一次先进 Model Manager 标签页下载一个模型再生成。

第一张图出出来，你就知道这条路适不适合自己。如果不想动系统环境，或者要在另一台机器上复现同样的环境，走容器更省心。

🐳 只想跑起来：容器化部署 InvokeAI 的最小命令集

Docker 部署相关的文件都在 docker/ 目录：Dockerfile 负责构建镜像，docker-compose.yml 定义服务，run.sh 是 compose 的包装脚本。只想跑起来的话不用碰这些文件，官方镜像一条命令就行：

docker run --runtime=nvidia --gpus=all --publish 9090:9090 --volume ~/invokeai:/invokeai ghcr.io/invoke-ai/invokeai

这条命令拉取官方镜像并启动容器：--gpus=all把 GPU 透传给容器，9090:9090发布 WebUI 端口，--volume把本机~/invokeai挂到容器内/invokeai运行时目录。最后这项容易被漏掉，不加它的话图片和模型都留在容器里，容器一删就没了。


容器里的界面和本地完全一致，Canvas、workflows、Image Map 都能用。唯一前提是宿主机 Docker 已经配好 GPU，Docker 部署文档里列了完整前置条件。

真正长期用：把运行时目录与 GPU 配置变得可复现

长期挂着用的时候，一条命令会显得脆弱：每次想改参数都得重写整条命令。compose 做法是把配置写进.env文件：

cd docker && cp .env.sample .env && ./run.sh

run.sh 会读.env并自动从docker-compose.yml里选对应服务，默认cudaprofile；填GPU_DRIVER=rocm就切到 AMD 服务，宿主机 render 组 ID 要同步填RENDER_GROUP_ID。

有两个变量值得留意：INVOKEAI_ROOT是运行时目录在宿主机的路径，默认~/invokeai；CONTAINER_UID设置容器内用户 UID，让它在宿主机目录里创建的文件归你的用户所有，填id -u的输出即可。模型缓存默认落在INVOKEAI_ROOT/.cache/huggingface，整目录备份时会一起带走。


长期用时区分多个项目的工作是最常见的需求，界面里自带项目切换器。需要多人共用一套服务的话，文档里有专门的多用户模式，账号隔离是内置的。

卡住的时候：GPU 识别、macOS 与 ARM 三个高频故障点

容器起来了但 GPU 识别不到，九成是宿主机 Docker 没配 GPU：NVIDIA 需要 daemon 注册nvidiaruntime，AMD 要透传/dev/kfd和/dev/dri并对齐 render 组 ID，排查入口看FAQ。

macOS 上别跟 Docker 较劲，容器在这套系统里访问不到 GPU，官方建议直接本地安装；坚持用容器至少给 Docker 分配 16GB 内存。

ARM 机器（树莓派 5、ARM 服务器之类）上，x86_64 镜像没有 GPU 内核，只能构建纯 CPU 镜像：

docker build -f docker/Dockerfile --build-arg GPU_DRIVER=cpu -t invokeai:cpu .

GPU_DRIVER=cpu表示构建纯 CPU 版。本地生成速度不高，但 API 模型类功能（如 GPT Image）不依赖本地 GPU，照常可用。

还有一个细节：运行时目录里的文件在宿主机删不掉，通常是容器内用户 UID 和宿主机用户不一致，把CONTAINER_UID=$(id -u)设上再重启即可。

读完可以直接做的几件事：

• 快速验证就跑一条docker run命令，确认流程没问题后再切到.env+run.sh的组合长期用
• 启动前先给INVOKEAI_ROOT选定专用目录（最好是空间充裕的磁盘），模型和图片都在里面
• torch 安装报错时先查 GPU 型号再对照手动安装文档的选型表，多数"装不上"其实是参数选错

【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