FLUX.1-dev部署教程：离线环境安装——预打包依赖+证书白名单配置

FLUX.1-dev部署教程：离线环境安装——预打包依赖+证书白名单配置

提示：本教程专为需要在离线环境或受控网络中部署FLUX.1-dev的用户设计，涵盖预打包依赖准备和证书白名单配置全流程。

1. 环境准备与离线包制作

在开始部署前，需要准备一个可联网的环境来制作离线安装包。

1.1 系统要求检查

确保你的离线环境满足以下基本要求：

• 操作系统：Ubuntu 20.04/22.04 LTS 或 CentOS 8+
• GPU：NVIDIA RTX 3090/4090/4090D（24GB显存或以上）
• 驱动：NVIDIA驱动版本 ≥ 525.60.11
• 存储：至少100GB可用空间（用于模型和依赖）
• 内存：系统内存 ≥ 32GB

1.2 创建离线依赖包

在联网机器上执行以下步骤制作离线安装包：

# 创建工作目录 mkdir flux1-offline-install cd flux1-offline-install # 创建虚拟环境并安装依赖 python -m venv flux-env source flux-env/bin/activate # 安装核心依赖 pip download torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 pip download transformers accelerate diffusers flask numpy Pillow requests # 下载FLUX.1-dev模型权重（需提前获取访问权限） git lfs install git clone https://huggingface.co/black-forest-labs/FLUX.1-dev # 打包所有依赖 tar -czvf flux1-offline-package.tar.gz ./*

现在你得到了一个完整的离线安装包flux1-offline-package.tar.gz。

2. 离线环境部署

将离线包传输到目标机器后，开始部署流程。

2.1 系统环境配置

# 解压离线包 tar -xzvf flux1-offline-package.tar.gz cd flux1-offline-install # 安装系统依赖（离线环境需提前下载） # 对于Ubuntu： # dpkg -i python3-dev_*.deb python3-venv_*.deb libjpeg-dev_*.deb # 对于CentOS： # rpm -ivh python3-devel_*.rpm libjpeg-turbo-devel_*.rpm # 设置虚拟环境 python -m venv flux-env --system-site-packages source flux-env/bin/activate

2.2 离线安装Python依赖

# 安装所有离线Python包 pip install --no-index --find-links ./ torch-*.whl pip install --no-index --find-links ./ transformers-*.whl pip install --no-index --find-links ./ accelerate-*.whl pip install --no-index --find-links ./ diffusers-*.whl pip install --no-index --find-links ./ flask-*.whl # 验证安装 python -c "import torch; print(f'PyTorch版本: {torch.__version__}')" python -c "import transformers; print(f'Transformers版本: {transformers.__version__}')"

3. 证书白名单配置

在企业环境中，通常需要配置证书白名单以允许安全访问。

3.1 创建自定义证书存储

# 创建证书目录 mkdir -p /etc/flux1/ssl cd /etc/flux1/ssl # 生成自签名证书（如需） openssl req -x509 -newkey rsa:4096 -keyout key.pem -out cert.pem -days 365 -nodes # 将企业CA证书添加到信任存储 cp /path/to/your/corporate-ca.crt /etc/flux1/ssl/ cp /path/to/your/internal-ca.crt /etc/flux1/ssl/ # 更新证书信任链 update-ca-certificates

3.2 配置Python证书路径

创建证书配置文件：

# ssl_config.py import os import ssl # 设置自定义证书路径 os.environ['REQUESTS_CA_BUNDLE'] = '/etc/flux1/ssl/corporate-ca.crt' os.environ['SSL_CERT_FILE'] = '/etc/flux1/ssl/corporate-ca.crt' # 创建自定义SSL上下文 def create_ssl_context(): context = ssl.create_default_context() context.load_verify_locations('/etc/flux1/ssl/corporate-ca.crt') context.load_verify_locations('/etc/flux1/ssl/internal-ca.crt') return context

3.3 集成证书配置到FLUX应用

修改FLUX启动脚本以使用自定义证书：

# modified_app.py import ssl from flask import Flask from transformers import pipeline import torch # 加载SSL配置 ssl_context = ssl.create_default_context() ssl_context.load_verify_locations('/etc/flux1/ssl/corporate-ca.crt') app = Flask(__name__) # 配置模型加载（使用离线模式） @app.before_first_request def load_model(): global flux_pipeline flux_pipeline = pipeline( "image-to-image", model="/path/to/FLUX.1-dev", torch_dtype=torch.float16, device_map="auto", offline_mode=True # 强制离线模式 ) if __name__ == "__main__": app.run(ssl_context=ssl_context, host='0.0.0.0', port=7860)

4. 优化配置与验证

4.1 显存优化配置

创建优化配置文件：

# config_optimized.py import torch from diffusers import FluxPipeline # 显存优化配置 def get_optimized_pipeline(): pipe = FluxPipeline.from_pretrained( "/path/to/FLUX.1-dev", torch_dtype=torch.float16, device_map="auto", low_cpu_mem_usage=True, max_memory={0: "22GiB", "cpu": "32GiB"} ) # 启用序列化卸载和显存碎片整理 pipe.enable_sequential_cpu_offload() pipe.enable_model_cpu_offload() return pipe

4.2 部署验证脚本

创建验证脚本来检查部署状态：

#!/bin/bash # verify_deployment.sh echo "=== FLUX.1-dev 部署验证 ===" # 检查GPU驱动 echo "1. 检查NVIDIA驱动..." nvidia-smi | grep "Driver Version" # 检查CUDA echo "2. 检查CUDA..." python -c "import torch; print(f'CUDA可用: {torch.cuda.is_available()}')" python -c "import torch; print(f'GPU数量: {torch.cuda.device_count()}')" # 检查模型加载 echo "3. 检查模型加载..." python -c " from transformers import pipeline import torch try: pipe = pipeline('image-to-image', model='/path/to/FLUX.1-dev', torch_dtype=torch.float16, device_map='auto') print('模型加载成功') except Exception as e: print(f'模型加载失败: {e}') " # 检查Web服务 echo "4. 检查Web服务..." curl -k https://localhost:7860/health 2>/dev/null || echo "Web服务未启动" echo "=== 验证完成 ==="

5. 完整部署脚本

创建一键部署脚本：

#!/bin/bash # deploy_flux1_offline.sh set -e echo "开始FLUX.1-dev离线部署..." # 检查参数 if [ $# -ne 2 ]; then echo "用法: $0 <离线包路径> <部署目录>" exit 1 fi OFFLINE_PACKAGE=$1 DEPLOY_DIR=$2 # 创建部署目录 mkdir -p $DEPLOY_DIR cd $DEPLOY_DIR echo "解压离线包..." tar -xzvf $OFFLINE_PACKAGE echo "设置Python环境..." python -m venv flux-env source flux-env/bin/activate echo "安装Python依赖..." pip install --no-index --find-links ./ torch-*.whl pip install --no-index --find-links ./ transformers-*.whl pip install --no-index --find-links ./ accelerate-*.whl pip install --no-index --find-links ./ diffusers-*.whl echo "配置证书白名单..." mkdir -p /etc/flux1/ssl # 这里放置你的CA证书 # cp corporate-ca.crt /etc/flux1/ssl/ echo "启动FLUX.1-dev服务..." python modified_app.py & echo "部署完成！服务运行在 https://localhost:7860" echo "运行验证脚本: ./verify_deployment.sh"

6. 常见问题解决

6.1 证书相关问题

问题：SSL证书验证失败

解决方案：

# 临时跳过验证（不推荐） export PYTHONWARNINGS="ignore:Unverified HTTPS request" # 或永久解决方案 # 将企业证书添加到系统信任库 cp your-ca.crt /usr/local/share/ca-certificates/ update-ca-certificates

6.2 显存不足问题

问题：CUDA out of memory

解决方案：

# 在代码中添加更激进的显存优化 pipe.enable_sequential_cpu_offload() pipe.enable_vae_slicing() pipe.enable_attention_slicing()

6.3 离线模型加载问题

问题：无法加载离线模型

解决方案：

# 强制使用本地文件 model = FluxPipeline.from_pretrained( "/path/to/FLUX.1-dev", local_files_only=True, # 关键参数 torch_dtype=torch.float16 )

7. 总结

通过本教程，你已经学会了如何在离线环境中部署FLUX.1-dev模型，包括：

1. 离线依赖包制作：在联网环境提前准备所有依赖
2. 系统环境配置：设置合适的Python环境和系统依赖
3. 证书白名单配置：解决企业环境中的证书验证问题
4. 显存优化配置：针对24G显存进行特别优化
5. 部署验证：确保所有组件正常工作

这种离线部署方式特别适合：

• 企业内部开发环境
• 网络安全要求严格的机构
• 无外网访问权限的生产环境
• 需要重复部署的多节点环境

现在你可以享受FLUX.1-dev带来的影院级图像生成能力，即使在完全离线的环境中也能稳定运行。

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。