Fooocus SDXL 文生图本地部署实操手册【免费下载链接】FooocusFocus on prompting and generating项目地址: https://gitcode.com/GitHub_Trending/fo/Fooocus你想在内网 GPU 机器上跑一套离线的 Fooocus SDXL 文生图服务在线画图工具依赖外部接口本地 WebUI 又要调一堆参数而你只想写一句提示词就出稳定的图。下面从空目录到第一张成图全程不需要手动调采样参数。项目速览一句话定位Fooocus 是基于 SDXL 的离线文生图软件Gradio 界面设计目标是只写提示词不做参数微调。项目内容底层架构Stable Diffusion XL当前版本2.5.5许可证GPL v3最低显存4GBNvidia需支持 fp16系统内存8GB磁盘建议留 40GB 空闲形态命令行启动 浏览器 Gradio 页面 环境清单Python 3.10Linux venv 路线其他平台见 readme.mdNvidia GPU ≥ 4GB 显存AMD、Mac、纯 CPU 均可跑速度差异较大磁盘至少 40GB 空闲空间模型 系统交换区执行以下依赖安装命令git clone https://gitcode.com/GitHub_Trending/fo/Fooocus cd Fooocus python3 -m venv fooocus_env source fooocus_env/bin/activate pip install -r requirements_versions.txt 实操流程数据 → 配置 → 运行 → 产出数据准备模型文件首次启动会自动把默认主模型下载到models/checkpoints/默认 juggernautXL_v8Rundiffusion.safetensors第一次用到局部重绘时才会下载约 1.28GB 的 inpaint 模型到models/inpaint/。也可以自己下好放进去省掉首次等待。完成后你应得到models/checkpoints/下至少一个可用的 .safetensors 主模型。配置把默认值写进 config.txt首次启动后根目录生成config.txt它决定模型路径与默认参数。改坏了直接删掉该文件即可恢复默认。最小示例{ path_checkpoints: ./models/checkpoints, default_model: juggernautXL_v8Rundiffusion.safetensors, default_cfg_scale: 4.0, default_sampler: dpmpp_2m_sde_gpu, default_scheduler: karras, default_aspect_ratio: 1152*896 }完成后你应得到一份指向正确模型目录、带默认采样参数的config.txt。运行启动并提交首个任务python entry_with_update.py --listen --port 8888不加参数则只监听本机。浏览器打开后在提示词框输入house in garden点生成。完成后你应得到页面完成模型加载并开始采样进度条持续刷新。产出图片与可复现参数成图保存到outputs/提示词、种子、模型、LoRA 等完整参数写入文件元数据页面上点加载参数可以一键回填。完成后你应得到一张参数可回溯、可复现的 PNG。✅ 验证部署是否生效判定标准控制台无报错、浏览器自动打开、一句短提示词如house in garden能生成结构完整且与文字相符的图即为调好若出现 CPUAllocator、MetadataIncompleteBuffer 等字样按下一节排查。最短验证命令python -m unittest tests/这是仓库自带测试见 development.md能先排除环境层面的问题。❓ 高频问题排查现象RuntimeError: CPUAllocator、Segmentation Fault 或进程被 Killed。原因系统交换空间swap不足模型加载阶段内存不够。解法给磁盘至少留 40GB 空闲空间Windows 10/11 会自动管理 swap改完交换区设置后重启机器详见 troubleshoot.md。现象MetadataIncompleteBuffer或PytorchStreamReader failed。原因模型文件下载不完整或损坏。解法删除对应文件后重新联网启动让 Fooocus 自动补下或按控制台打印的地址手动下载模型放回原目录。现象安装时报subprocess-exited-with-error或运行时报Torch not compiled with CUDA enabled。原因没用 Python 3.10或安装步骤偏离官方路线。解法用 Python 3.10 重建 venv再执行pip install -r requirements_versions.txt不要自行改装 PyTorch。现象CUDA kernel errors might be asynchronously reported。原因Nvidia 驱动版本或 CUDA 版本不匹配。解法升级驱动到最新 53X 版本仍失败则按 readme 的 CUDA 11 xformers 方案替换python_embeded环境。现象模型下载时报SSL: CERTIFICATE_VERIFY_FAILED。原因网络环境无法直连 Hugging Face。解法关掉代理重试或手动下载模型文件放入models/checkpoints/。⚙️ 进阶选项按收益/成本排序均可选切换动漫/写实预设启动加--preset anime或--preset realistic。收益是对应题材开箱即用成本是首次会下载对应主模型animaPencilXL_v500 / realisticStockPhoto_v20。固定显存策略如--always-gpu、--always-low-vram。收益是避免自动 offload 在个别显卡上反复换入换出成本是需要结合控制台显存输出试。内网共享与鉴权--listen --port 8888并在根目录放auth.json格式见 auth-example.json。收益是团队共用成本是自管账号文件。界面本地化在language/放翻译 json参考 language/example.json启动加--language cn。收益是界面换目标语言成本是翻译文件自维护。典型用法1. 团队共享加鉴权根目录建auth.json用--listen启动后页面要求登录。[ {user: admin, pass: 1234} ]2. 统一团队默认参数修改presets/default.json一类文件或config.txt把全员默认值钉死。{ default_model: juggernautXL_v8Rundiffusion.safetensors, default_sampler: dpmpp_2m_sde_gpu, default_aspect_ratio: 1152*896 }3. 提示词内建技巧__color__ flower按种子从wildcards/color.txt随机取色flower lora:sunflowers:1.2内联 LoRA文件放models/loras/[[red, green, blue]] flower一次生成三张变体。源码导读文件职责entry_with_update.py入口先用 pygit2 做远端 fast-forward 更新再进入启动逻辑webui.py构建 Gradio 页面把表单参数打包成 AsyncTask 提交后台modules/async_worker.py后台线程执行完整任务链提示词扩展、LoRA、ControlNet、重绘、放大modules/patch.py修补采样行为CFG 修正、负 ADM 引导、SAG 抗塑料感modules/core.py模型加载、k-sampler 采样、VAE 编解码封装presets/default.json定义默认预设的主模型、LoRA、采样器与默认比例下一步建议先固定一张满意的图用加载参数反复微调稳定后再把默认值写进config.txt。熟悉通配符和数组语法后用它做批量风格采样。需要 Flux 等更新架构时按 readme 说明转看 ComfyUI、WebUI Forge 或 Fooocus 的社区 fork。【免费下载链接】FooocusFocus on prompting and generating项目地址: https://gitcode.com/GitHub_Trending/fo/Fooocus创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Fooocus SDXL 文生图本地部署实操手册
Fooocus SDXL 文生图本地部署实操手册【免费下载链接】FooocusFocus on prompting and generating项目地址: https://gitcode.com/GitHub_Trending/fo/Fooocus你想在内网 GPU 机器上跑一套离线的 Fooocus SDXL 文生图服务在线画图工具依赖外部接口本地 WebUI 又要调一堆参数而你只想写一句提示词就出稳定的图。下面从空目录到第一张成图全程不需要手动调采样参数。项目速览一句话定位Fooocus 是基于 SDXL 的离线文生图软件Gradio 界面设计目标是只写提示词不做参数微调。项目内容底层架构Stable Diffusion XL当前版本2.5.5许可证GPL v3最低显存4GBNvidia需支持 fp16系统内存8GB磁盘建议留 40GB 空闲形态命令行启动 浏览器 Gradio 页面 环境清单Python 3.10Linux venv 路线其他平台见 readme.mdNvidia GPU ≥ 4GB 显存AMD、Mac、纯 CPU 均可跑速度差异较大磁盘至少 40GB 空闲空间模型 系统交换区执行以下依赖安装命令git clone https://gitcode.com/GitHub_Trending/fo/Fooocus cd Fooocus python3 -m venv fooocus_env source fooocus_env/bin/activate pip install -r requirements_versions.txt 实操流程数据 → 配置 → 运行 → 产出数据准备模型文件首次启动会自动把默认主模型下载到models/checkpoints/默认 juggernautXL_v8Rundiffusion.safetensors第一次用到局部重绘时才会下载约 1.28GB 的 inpaint 模型到models/inpaint/。也可以自己下好放进去省掉首次等待。完成后你应得到models/checkpoints/下至少一个可用的 .safetensors 主模型。配置把默认值写进 config.txt首次启动后根目录生成config.txt它决定模型路径与默认参数。改坏了直接删掉该文件即可恢复默认。最小示例{ path_checkpoints: ./models/checkpoints, default_model: juggernautXL_v8Rundiffusion.safetensors, default_cfg_scale: 4.0, default_sampler: dpmpp_2m_sde_gpu, default_scheduler: karras, default_aspect_ratio: 1152*896 }完成后你应得到一份指向正确模型目录、带默认采样参数的config.txt。运行启动并提交首个任务python entry_with_update.py --listen --port 8888不加参数则只监听本机。浏览器打开后在提示词框输入house in garden点生成。完成后你应得到页面完成模型加载并开始采样进度条持续刷新。产出图片与可复现参数成图保存到outputs/提示词、种子、模型、LoRA 等完整参数写入文件元数据页面上点加载参数可以一键回填。完成后你应得到一张参数可回溯、可复现的 PNG。✅ 验证部署是否生效判定标准控制台无报错、浏览器自动打开、一句短提示词如house in garden能生成结构完整且与文字相符的图即为调好若出现 CPUAllocator、MetadataIncompleteBuffer 等字样按下一节排查。最短验证命令python -m unittest tests/这是仓库自带测试见 development.md能先排除环境层面的问题。❓ 高频问题排查现象RuntimeError: CPUAllocator、Segmentation Fault 或进程被 Killed。原因系统交换空间swap不足模型加载阶段内存不够。解法给磁盘至少留 40GB 空闲空间Windows 10/11 会自动管理 swap改完交换区设置后重启机器详见 troubleshoot.md。现象MetadataIncompleteBuffer或PytorchStreamReader failed。原因模型文件下载不完整或损坏。解法删除对应文件后重新联网启动让 Fooocus 自动补下或按控制台打印的地址手动下载模型放回原目录。现象安装时报subprocess-exited-with-error或运行时报Torch not compiled with CUDA enabled。原因没用 Python 3.10或安装步骤偏离官方路线。解法用 Python 3.10 重建 venv再执行pip install -r requirements_versions.txt不要自行改装 PyTorch。现象CUDA kernel errors might be asynchronously reported。原因Nvidia 驱动版本或 CUDA 版本不匹配。解法升级驱动到最新 53X 版本仍失败则按 readme 的 CUDA 11 xformers 方案替换python_embeded环境。现象模型下载时报SSL: CERTIFICATE_VERIFY_FAILED。原因网络环境无法直连 Hugging Face。解法关掉代理重试或手动下载模型文件放入models/checkpoints/。⚙️ 进阶选项按收益/成本排序均可选切换动漫/写实预设启动加--preset anime或--preset realistic。收益是对应题材开箱即用成本是首次会下载对应主模型animaPencilXL_v500 / realisticStockPhoto_v20。固定显存策略如--always-gpu、--always-low-vram。收益是避免自动 offload 在个别显卡上反复换入换出成本是需要结合控制台显存输出试。内网共享与鉴权--listen --port 8888并在根目录放auth.json格式见 auth-example.json。收益是团队共用成本是自管账号文件。界面本地化在language/放翻译 json参考 language/example.json启动加--language cn。收益是界面换目标语言成本是翻译文件自维护。典型用法1. 团队共享加鉴权根目录建auth.json用--listen启动后页面要求登录。[ {user: admin, pass: 1234} ]2. 统一团队默认参数修改presets/default.json一类文件或config.txt把全员默认值钉死。{ default_model: juggernautXL_v8Rundiffusion.safetensors, default_sampler: dpmpp_2m_sde_gpu, default_aspect_ratio: 1152*896 }3. 提示词内建技巧__color__ flower按种子从wildcards/color.txt随机取色flower lora:sunflowers:1.2内联 LoRA文件放models/loras/[[red, green, blue]] flower一次生成三张变体。源码导读文件职责entry_with_update.py入口先用 pygit2 做远端 fast-forward 更新再进入启动逻辑webui.py构建 Gradio 页面把表单参数打包成 AsyncTask 提交后台modules/async_worker.py后台线程执行完整任务链提示词扩展、LoRA、ControlNet、重绘、放大modules/patch.py修补采样行为CFG 修正、负 ADM 引导、SAG 抗塑料感modules/core.py模型加载、k-sampler 采样、VAE 编解码封装presets/default.json定义默认预设的主模型、LoRA、采样器与默认比例下一步建议先固定一张满意的图用加载参数反复微调稳定后再把默认值写进config.txt。熟悉通配符和数组语法后用它做批量风格采样。需要 Flux 等更新架构时按 readme 说明转看 ComfyUI、WebUI Forge 或 Fooocus 的社区 fork。【免费下载链接】FooocusFocus on prompting and generating项目地址: https://gitcode.com/GitHub_Trending/fo/Fooocus创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考