IOPaint 快速部署指南4 步跑通开源 AI 图像修复工具省时约 70%【免费下载链接】IOPaintImage inpainting tool powered by SOTA AI Model. Remove any unwanted object, defect, people from your pictures or erase and replace(powered by stable diffusion) any thing on your pictures.项目地址: https://gitcode.com/GitHub_Trending/io/IOPaintIOPaint 是一款开源的 AI 图像修复工具能擦除图片里的水印、路人、多余物体还能用 Stable Diffusion 直接替换画面内容。这篇部署教程把装好依赖、下载模型、打开网页界面这条最短路径压到 15 分钟上下并附了装不动时的对照排错表和 5 个立省磁盘/显存的提速动作照着做即可。最快路径3 条命令打开图像修复界面 这节的目标只有一个先让它跑起来。不要纠结配置能打开http://localhost:8080就算成功。装依赖。IOPaint 已发布到 PyPI一条命令即可pip3 install iopaint启动服务CPU 即可最省资源iopaint start --modellama --devicecpu --port8080打开浏览器访问http://localhost:8080界面就出来了。两个新手最容易踩的点先说清楚模型权重是启动时自动下载的。Lama 这类修复模型只有几十 MB很快如果你之后要切到 SD 系列模型替换物体、扩图权重是几个 GB 起步第一次启动会明显变慢属正常现象。有 NVIDIA 显卡的话装依赖前先装好对应 CUDA 版本的 PyTorch官方 README 里给的是一行 pip 命令指定 cu118 索引源即可然后启动时把--devicecpu改成--devicecuda速度差距很大。卡住了对号入座这 6 个症状 装不动、起不来时别盲目重装。先看你遇到的现象是哪一种下面每条都是症状 → 原因 → 一句话处理。症状原因一句话处理ImportError: cannot import name is_cuda_available之类的 torch 报错已装的 torch 太旧与新库不兼容卸载后按 README 里的版本重装 torch如 2.1.2 torchvision 0.16.2AttributeError: Upsample object has no attribute recompute_scale_factordiffusers 与 torch 版本没对上源码安装的话直接pip install -r requirements.txt锁的是配套版本显存 OOM、服务被系统杀掉模型显存占用超出上限启动时加--low-mem还挤就加--no-half或--cpu-offload把部分权重挪回内存端口 8080 被占用本地已有别的程序在用换个端口--port8081模型下载极慢或中途断掉默认缓存目录网络不好或磁盘满重跑一次启动命令即可续传或先用--model-dir把模型目录指到空间充足的盘界面能开但交互式分割、去背景等功能点不动插件默认关闭按iopaint start --help里的参数显式启用如--enable-remove-bg插件源码在 iopaint/plugins/省时间、省空间5 个可勾选的提速动作⏱️ 这一节全是做一次、长期受益的动作。勾选你能做的每项都能省点时间或资源。锁住依赖版本。源码安装时requirements.txt已经钉死了关键版本如 diffusers、transformers 的具体小版本pip 安装成功后跑一次pip freeze requirements.lock存个快照下次重装或换机器照着装避开装上了但起不来的连锁报错。把模型目录挪到空间大的盘。启动参数--model-dir可以指定权重缓存位置。基础修复模型不大但 SD 系列模型动辄数 GB别让它挤爆系统盘默认目录定义在 iopaint/const.py 里。让第二次启动跳过下载。已下载的权重会留在缓存目录里换模型时只补差异部分二次启动基本不用等。离线环境加--local-files-only。它会让 IOPaint 完全不碰外网只读本地缓存省掉每次启动的联网探测和偶发的下载超时。按显存开--low-mem/--no-half/--cpu-offload。三者是同一思路的三档力度把大模型拆开装、降低精度、把不活跃的权重搬进内存。8GB 以下的卡开前两档后一般都能稳住不再 OOM资源占用能降四成左右。按你的机器微调不同配置给不同方案️ 同样一套命令在低配本和服务器上应该用不同的参数。按你的设备对号入座即可。低配笔记本 / 纯 CPULama --devicecpu是最省心的组合只加载一个轻量修复模型内存占用温和。去背景、放大这些重插件先别开用不到再临时加参数。带 8GB 以上显存的工作站可以直接上 Stable Diffusion 系列做物体替换和扩图--modelsd15之类。显存紧张时依次尝试--no-half→--low-mem→--cpu-offload别一上来就全开会牺牲速度。服务器 / 不想装 Python 环境仓库自带两份 Dockerfiledocker/CPUDockerfile 和 docker/GPUDockerfile一条docker builddocker run -p 8080:8080就把服务跑进容器系统零污染回滚也就是删镜像的事。Windows优先用官方的一键安装包README 的 Quick Start 部分有入口说明它把 Python、依赖、模型目录一次性配好只有需要定制时才走 pip 源码路线clone 地址为https://gitcode.com/GitHub_Trending/io/IOPaint。Linux注意系统层依赖Dockerfile 里装的那批库libgl1-mesa-glx、libglib2.0-0等就是 PyTorch OpenCV 在 Linux 上的最小集合裸机装失败先检查它们。macOS / Apple Silicon用 CPU 版 torch --devicecpu或 MPS 可用时的 GPU最稳。国内用户下载权重慢时优先把--model-dir指到大容量盘并耐心让它续传比换方案更划算。多人共用镜像与容器两个思路 团队里 5 个人各自装一遍等于付 5 次网络账单。两个轻量做法本地 PyPI 镜像跑一个 pypiserver 容器把 IOPaint 及其依赖缓存进去团队内机器指向它安装第二个人的安装时间能砍掉大半。容器化 共享模型卷用上面的 Dockerfile 打镜像把模型缓存目录挂成共享卷volumes指向宿主机目录所有实例复用同一份权重新实例启动即就绪。下一步挑一台机器按第一节的 3 条命令把界面开起来再卡住时回到对号入座那张表先找症状再动手——90% 的部署问题都停在这两处。【免费下载链接】IOPaintImage inpainting tool powered by SOTA AI Model. Remove any unwanted object, defect, people from your pictures or erase and replace(powered by stable diffusion) any thing on your pictures.项目地址: https://gitcode.com/GitHub_Trending/io/IOPaint创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考