Ubuntu系统上从零部署Pixel Couplet Gen：完整环境搭建指南

Ubuntu系统上从零部署Pixel Couplet Gen完整环境搭建指南1. 准备工作与环境检查在开始部署Pixel Couplet Gen之前我们需要确保Ubuntu系统满足基本要求。这个环节就像装修房子前检查地基一样重要避免后续出现兼容性问题。首先确认你的系统版本Pixel Couplet Gen推荐运行在Ubuntu 20.04或22.04 LTS版本上。打开终端输入lsb_release -a你会看到类似这样的输出Distributor ID: Ubuntu Description: Ubuntu 22.04.3 LTS Release: 22.04 Codename: jammy接下来检查硬件配置特别是GPU资源。运行以下命令查看NVIDIA显卡信息lspci | grep -i nvidia如果能看到显卡型号输出说明系统已识别到GPU。理想情况下建议至少配备8GB显存的NVIDIA显卡如RTX 3060及以上。2. 安装NVIDIA驱动与CUDA工具包2.1 安装最新NVIDIA驱动就像给赛车换上合适的引擎我们需要为GPU安装专用驱动。推荐使用官方PPA仓库sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt update sudo ubuntu-drivers autoinstall sudo reboot重启后验证驱动是否生效nvidia-smi正常情况会显示GPU状态表格包含驱动版本和CUDA版本信息。如果遇到Command not found错误可能需要手动安装nvidia-utils包。2.2 安装CUDA工具包CUDA是GPU计算的工具箱现在我们来安装与驱动兼容的版本。首先查看nvidia-smi输出的CUDA版本然后到NVIDIA官网下载对应版本。例如安装CUDA 11.8wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run sudo sh cuda_11.8.0_520.61.05_linux.run安装时注意取消勾选Driver安装已单独安装确保勾选CUDA Toolkit添加环境变量到~/.bashrcecho export PATH/usr/local/cuda-11.8/bin:$PATH ~/.bashrc echo export LD_LIBRARY_PATH/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH ~/.bashrc source ~/.bashrc验证安装nvcc --version3. 配置Docker环境3.1 安装Docker CEDocker就像货运集装箱能帮我们打包和运行Pixel Couplet Gen的所有依赖。安装最新Docker引擎sudo apt update sudo apt install -y ca-certificates curl gnupg sudo install -m 0755 -d /etc/apt/keyrings curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg sudo chmod ar /etc/apt/keyrings/docker.gpg echo deb [arch$(dpkg --print-architecture) signed-by/etc/apt/keyrings/docker.gpg] https://download.docker.com/linux/ubuntu $(. /etc/os-release echo $VERSION_CODENAME) stable | sudo tee /etc/apt/sources.list.d/docker.list /dev/null sudo apt update sudo apt install -y docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin将当前用户加入docker组避免每次使用sudosudo usermod -aG docker $USER newgrp docker验证安装docker run hello-world3.2 安装NVIDIA Container Toolkit这是让Docker容器能使用GPU的关键组件distribution$(. /etc/os-release;echo $ID$VERSION_ID) \ curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \ curl -fsSL https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.list | \ sed s#deb https://#deb [signed-by/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g | \ sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list sudo apt update sudo apt install -y nvidia-container-toolkit sudo nvidia-ctk runtime configure --runtimedocker sudo systemctl restart docker测试GPU容器是否正常工作docker run --rm --gpus all nvidia/cuda:11.8.0-base-ubuntu22.04 nvidia-smi4. 部署Pixel Couplet Gen镜像4.1 拉取镜像现在终于可以获取Pixel Couplet Gen的Docker镜像了docker pull registry.cn-hangzhou.aliyuncs.com/pixel-couplet-gen/pixel-couplet-gen:latest这个镜像大约15GB下载时间取决于网络速度。如果中断可以使用docker pull继续。4.2 启动容器镜像下载完成后用以下命令启动容器docker run -itd --gpus all \ -p 7860:7860 \ -v /path/to/local/models:/app/models \ --name pixel-couplet-gen \ registry.cn-hangzhou.aliyuncs.com/pixel-couplet-gen/pixel-couplet-gen:latest参数说明--gpus all启用所有GPU-p 7860:7860将容器内7860端口映射到主机-v /path/to/local/models:/app/models挂载本地目录到容器替换为你的实际路径--name为容器指定名称4.3 验证服务容器启动后可以通过以下命令查看日志docker logs -f pixel-couplet-gen当看到Application startup complete等类似信息时说明服务已就绪。现在可以在浏览器访问http://localhost:78605. 常见问题排查5.1 GPU相关错误如果遇到CUDA out of memory错误尝试减小batch sizedocker exec -it pixel-couplet-gen bash -c echo export BATCH_SIZE2 /app/.env docker restart pixel-couplet-gen5.2 端口冲突如果7860端口被占用可以改用其他端口docker stop pixel-couplet-gen docker rm pixel-couplet-gen docker run -itd --gpus all -p 7870:7860 ...(其他参数不变)5.3 模型加载慢首次启动时模型需要下载和解压可以通过挂载预下载模型加速wget https://example.com/path/to/pre-trained-models.zip unzip pre-trained-models.zip -d /path/to/local/models6. 使用体验与优化建议整个部署过程走下来最耗时的部分是驱动安装和镜像下载。建议在稳定的网络环境下操作特别是下载大体积的Docker镜像时。实际使用时Pixel Couplet Gen对显存要求较高如果生成高分辨率图像如1024x1024以上建议使用24GB以上显存的显卡。对于消费级显卡适当降低分辨率或batch size可以获得更好的体验。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。