企业官网建设流程全解析

InvokeAI 本地运行 2 种方式：源码安装 vs Docker 容器化，怎么选

【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 是基于 Stable Diffusion 的图像生成引擎，装完在浏览器里出图。本文回答一个问题：从源码直接装，还是用 Docker 跑？适合想在自己机器上把 InvokeAI 跑起来的开发者。

先选路：两种方式怎么选

一句话建议：个人固定开发机直接源码装；要复用到别处的部署，走 Docker。

开工前的共同准备

两种路径都要先满足这几项，一次检查到位能省掉后面大量排错：

• 系统：Linux 最省事；Windows 走 WSL2；macOS 仅限本地安装路径。
• GPU（可选但强烈推荐）：NVIDIA 需装好驱动；AMD 需要 ROCm 环境。纯 CPU 也能跑，但出图慢。
• Python：本地方案要求 3.12，pyproject.toml里写死了>=3.12, <3.13，3.11 或 3.13 都不行。
• 存储：模型动辄几个 GB，给运行目录~/invokeai预留几十 GB。
• 网络：拉包和下载模型都要联网，首次启动耗时长主要耗在模型上。

方案 A：源码安装

先 clone 仓库到本地：

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

创建并激活虚拟环境。这里用uv代替 venv，它会顺带装好一个可移植的 Python 3.12，系统里装没装 Python 都行：

uv venv --relocatable --prompt invoke --python 3.12 --python-preference only-managed .venv source .venv/bin/activate # Linux/macOS；Windows 用 .venv\Scripts\activate

以可编辑模式把包装进环境，依赖全部由 pyproject 解析：

uv pip install -e . --python 3.12 --python-preference only-managed

说明两点：NVIDIA 30xx 及更新的卡直接装即可；16xx/20xx 老卡改装invokeai[xformers]。启动时如需指定 torch 后端，NVIDIA 传--torch-backend=cu130，无 GPU 的 x86_64 传--torch-backend=cpu。

最后启动服务，--root指向你的数据目录：

invokeai-web --root ~/invokeai

方案 B：Docker 容器化

容器路线分两档：图省事直接用官方镜像，要改配置再走 compose 构建。

单条命令拉官方镜像并挂上 GPU：

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

加--volume /本地路径:/invokeai可以把模型和生成图持久化到宿主机。

compose 路线会构建镜像，多花几分钟，但能自定义。把INVOKEAI_ROOT（宿主数据目录）和GPU_DRIVER（cuda或rocm）写进.env，然后执行run.sh：

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

停容器用docker compose down——run.sh跟的是日志流，Ctrl+C 只退出日志不退出容器。

如何验证跑起来了

判断标准就三条，全中才算成功：

1. 终端：启动日志走完模型扫描，出现 uvicorn 监听 9090 端口的信息，且没有未捕获的 traceback。
2. 浏览器：打开http://localhost:9090，能看到登录/工作区界面。
3. 功能：进 Model Manager 页下载一个基础模型，跑一次文生图，出图即通。

首次启动慢是正常的，时间都花在装模型和预热上。

常见问题

Q1：Docker 里 GPU 没被识别？宿主机上 Docker 必须能访问 GPU：NVIDIA 装 container toolkit 并用docker run --gpus all nvidia/cuda ... nvidia-smi验证，AMD 走 ROCm 的 Docker 配置。容器内nvidia-smi能看到卡，Invoke 才用得上。

Q2：本地方案报 Python 版本不匹配？3.12 是硬性区间。系统 Python 是 3.11 或 3.13 都没关系，uv venv命令里的--python 3.12会单独拉一个 3.12，不用动系统环境。

Q3：macOS 上容器方案为什么慢？macOS 的 Docker 跑在虚拟机里，拿不到 Metal GPU，官方文档直接建议改用本地安装。这不是网络问题，是架构限制。

Q4：9090 端口被别的程序占了？本地方案改启动参数即可；Docker 方案在.env里设INVOKEAI_PORT，容器内外端口由 compose 的 ports 映射统一处理。

附录：参数速查与常用路径

更多细节看仓库文档：安装指南、手动安装、Docker 部署说明。

【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