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/InvokeAIInvokeAI 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场景结论原因macOS 用户优先本地装容器方案无法使用 Mac 的 GPU文档明确不推荐想改代码、跑 main 分支源码安装容器里不方便动代码同一套环境要在多台机器/服务器间迁移Docker环境封装在镜像里数据靠卷迁移担心依赖污染现有 Python 环境Docker依赖全部隔离在容器内机器上已有 Python 3.12 和uv且只在这台机器用源码安装省掉镜像构建那几分钟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 WSL2macOS 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 3.12pyproject.toml里写死了3.12, 3.133.11 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/macOSWindows 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-backendcu130无 GPU 的 x86_64 传--torch-backendcpu。最后启动服务--root指向你的数据目录invokeai-web --root ~/invokeai方案 BDocker 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 GPUdocker run --runtimenvidia --gpusall --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_DRIVERcuda或rocm写进.env然后执行run.shcd docker cp .env.sample .env ./run.sh停容器用docker compose down——run.sh跟的是日志流CtrlC 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。浏览器打开http://localhost:9090能看到登录/工作区界面。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Q1Docker 里 GPU 没被识别宿主机上 Docker 必须能访问 GPUNVIDIA 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。Q3macOS 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。Q49090 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项目值 / 说明Web 端口9090Python 版本3.123.12, 3.13数据目录~/invokeaiINVOKEAI_ROOT控制GPU_DRIVERcuda/rocm仅 Docker.env使用INVOKEAI_PORT改 Web 端口CONTAINER_UID宿主机用户 UID解决卷内文件权限torch 后端NVIDIA 用cu130无卡 x86_64 用cpu容器停止docker compose down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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考