当前位置：首页 > news >正文

Flux.1-Dev深海幻境一键部署教程：基于Ubuntu 20.04的完整环境配置指南

news 2026/4/4 18:32:32

Flux.1-Dev深海幻境一键部署教程：基于Ubuntu 20.04的完整环境配置指南

1. 开篇：为什么选择这个方案？

如果你正在寻找一个能生成高质量、高分辨率图像的AI模型，并且希望在自己的服务器上快速搭建起来，那么Flux.1-Dev（深海幻境）绝对值得你花时间了解一下。它是一个开源的文生图模型，在图像细节和创意表现上都有不错的口碑。

不过，对于很多开发者来说，从零开始配置环境、安装依赖、处理各种版本冲突，这个过程往往比模型本身更让人头疼。你可能遇到过CUDA版本不对、驱动不兼容、或者某个Python包死活装不上的情况。

这篇教程的目的，就是帮你绕开这些坑。我们将基于Ubuntu 20.04这个非常稳定和常见的服务器系统，结合星图GPU平台提供的便利，完成一次“一键式”的部署。整个过程我会尽量讲得细一些，把可能遇到的问题提前指出来，目标是让你跟着步骤走，就能得到一个可以立即使用的Flux.1-Dev推理环境。

2. 部署前的准备工作

在开始敲命令之前，有几件事需要先确认好。这就像出门旅行前要检查证件和行李一样，能避免走到一半才发现缺东西的尴尬。

2.1 系统环境检查

首先，确保你操作的是一台Ubuntu 20.04的机器。打开终端，输入下面的命令：

lsb_release -a

你会看到类似这样的输出：

Distributor ID: Ubuntu Description: Ubuntu 20.04.6 LTS Release: 20.04 Codename: focal

重点看Release这一行，确认是20.04。如果不是，后面的步骤可能会因为软件源或包版本的不同而出问题。

接下来，检查一下系统的内存和存储空间。Flux.1-Dev模型本身比较大，运行也需要一定的内存开销。

# 查看内存大小（单位GB） free -h # 查看磁盘剩余空间（重点看根目录 /） df -h /

建议预留至少30GB的可用磁盘空间，以及16GB以上的可用内存，这样运行起来会比较顺畅。

2.2 获取必要的访问权限

整个部署过程需要你拥有系统的sudo权限，因为我们要安装系统级的驱动和软件包。

你可以通过以下命令测试自己是否有sudo权限：

sudo echo “权限检查通过”

如果系统提示你输入密码，输入后命令成功执行，那就没问题。如果提示“用户不在sudoers文件中”，你就需要联系服务器的管理员为你添加权限。

3. 核心环境搭建：GPU驱动与CUDA

这是最关键，也最容易出错的一步。我们的目标是安装与你的GPU硬件兼容的NVIDIA驱动和CUDA工具包。Ubuntu 20.04的软件源里提供了比较稳定的版本组合，我们优先采用这种方式。

3.1 安装NVIDIA显卡驱动

首先，更新系统软件包列表并安装一些基础工具：

sudo apt update sudo apt upgrade -y sudo apt install build-essential -y

然后，我们可以使用Ubuntu的ubuntu-drivers工具来自动检测和推荐适合的驱动版本：

# 安装硬件检测工具 sudo apt install ubuntu-drivers-common -y # 检测可用的驱动 ubuntu-drivers devices

这个命令会列出所有可用的NVIDIA驱动版本，并通常会推荐一个（后面会标有recommended）。例如，输出可能包含nvidia-driver-550。我们就安装这个推荐的版本：

# 安装推荐的驱动版本，例如nvidia-driver-550 sudo apt install nvidia-driver-550 -y

这里有个小提示：如果你知道你的GPU比较新（比如RTX 40系列），可能需要安装更高版本的驱动（如nvidia-driver-545或nvidia-driver-550）。对于大多数消费级显卡，推荐版本通常就够用了。

安装完成后，必须重启系统让驱动生效。

sudo reboot

重启后，再次登录系统，运行下面的命令来验证驱动是否安装成功：

nvidia-smi

如果安装成功，你会看到一个表格，显示了你的GPU型号、驱动版本、CUDA版本以及GPU的使用情况。看到这个界面，第一步就大功告成了。

3.2 安装CUDA工具包

Flux.1-Dev通常需要CUDA环境来加速计算。我们安装一个与驱动兼容且稳定的版本。通过APT安装的驱动通常会关联一个默认的CUDA版本。

你可以通过nvidia-smi命令输出最上方的CUDA Version来查看驱动支持的CUDA最高版本。例如，显示CUDA Version: 12.4。

对于Ubuntu 20.04，一个广泛兼容的选择是CUDA 11.8。我们通过NVIDIA官方仓库来安装：

# 添加NVIDIA CUDA仓库密钥和源 wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-keyring_1.1-1_all.deb sudo dpkg -i cuda-keyring_1.1-1_all.deb sudo apt update # 安装CUDA 11.8（这是一个较大的元包，包含工具链和库） sudo apt install cuda-11-8 -y

安装完成后，需要将CUDA路径添加到系统的环境变量中，这样系统才能找到相关的命令和库。

编辑当前用户的配置文件（如果你用的是bash）：

echo ‘export PATH=/usr/local/cuda-11.8/bin${PATH:+:${PATH}}’ >> ~/.bashrc echo ‘export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}’ >> ~/.bashrc

然后让配置立即生效：

source ~/.bashrc

现在，验证CUDA是否安装成功：

nvcc --version

这个命令会输出CUDA编译器的版本信息，确认是11.8。同时，可以再次运行nvidia-smi，确保驱动状态正常。

4. 拉取与启动Flux.1-Dev镜像

环境配置好后，就到了部署模型本身的环节。我们将利用星图GPU平台提供的预置镜像功能，这能省去我们自己配置Python环境、安装PyTorch等复杂依赖的麻烦。

4.1 获取并运行镜像

假设你已经获得了Flux.1-Dev在星图平台上的特定镜像名称或拉取命令。通常，它会是一个包含所有必要依赖的Docker镜像。

首先，确保系统里已经安装了Docker引擎：

sudo apt install docker.io -y sudo systemctl start docker sudo systemctl enable docker

为了避免每次使用docker命令都要加sudo，可以将当前用户加入docker组：

sudo usermod -aG docker $USER

注意：执行此命令后，你需要完全退出当前终端会话（关闭窗口或断开连接），然后重新登录，这个改动才会生效。

重新登录后，就可以拉取和运行镜像了。镜像的具体名称需要你从星图平台的镜像详情页获取，这里我用一个占位符<your-mirror-name>表示：

docker pull <your-mirror-name>

拉取完成后，运行这个镜像。这里需要映射端口（比如将容器内的7860端口映射到主机的7860端口），并挂载一个本地目录到容器内，用于保存生成的图片和模型缓存，这样即使容器删除，数据也不会丢失。

# 创建一个本地目录用于存储数据 mkdir -p ~/flux_data # 运行容器 docker run -d \ --name flux-dev \ --gpus all \ -p 7860:7860 \ -v ~/flux_data:/app/data \ <your-mirror-name>

解释一下这几个参数：

-d：让容器在后台运行。
--name flux-dev：给容器起个名字，方便管理。
--gpus all：将主机的所有GPU资源都分配给这个容器，这是GPU加速的关键。
-p 7860:7860：端口映射。容器内的应用通常在7860端口提供服务，我们把它映射到主机的同一个端口。
-v ~/flux_data:/app/data：目录挂载。把本地的~/flux_data文件夹映射到容器内的/app/data路径。

4.2 验证容器运行状态

容器启动后，检查一下它是否在正常运行：

docker ps

你应该能看到一个名为flux-dev的容器，状态是Up。如果状态不对，可以查看容器的日志来排查问题：

docker logs flux-dev

5. 基础参数配置与首次使用

容器正常运行后，我们就可以通过网页界面来访问和使用Flux.1-Dev模型了。

5.1 访问Web界面

打开你的浏览器，在地址栏输入：http://你的服务器IP地址:7860。

如果一切顺利，你应该能看到Flux.1-Dev的图形操作界面。这个界面通常很直观，会有一个输入框让你输入图片描述（提示词），还有一些参数选项，比如图片尺寸、生成数量、采样步数等。

5.2 进行第一次图像生成

为了验证部署完全成功，我们来做一个简单的测试。

在提示词（Prompt）输入框里，写上一段简单的英文描述，比如：“a cute cat sitting on a sofa, cartoon style”（一只可爱的猫坐在沙发上，卡通风格）。
图片尺寸可以选择一个基础的，比如512x512。
点击“Generate”或类似的按钮。

稍等片刻（时间长短取决于你的GPU性能），你就能在页面上看到生成的图片了。如果成功输出了一张符合描述的卡通猫图片，那么恭喜你，整个Flux.1-Dev环境已经部署并运行成功了！

5.3 常见问题与解决

即使按照教程，有时也会遇到一些小问题。这里列举两个最常见的：

问题：访问http://IP:7860打不开页面。
- 检查1：确认容器是否在运行 (docker ps)。如果没运行，用docker logs flux-dev看错误日志。
- 检查2：确认服务器防火墙是否放行了7860端口。对于云服务器，通常还需要在云服务商的安全组规则中添加入站规则，允许TCP 7860端口。
- 检查3：如果是本地机器，直接访问http://localhost:7860。
问题：生成图片时非常慢，或者日志提示CUDA错误。
- 检查1：运行nvidia-smi命令，确认GPU是否被容器正确识别和使用。在生成图片时，这个命令显示的GPU利用率应该会升高。
- 检查2：在容器日志中查看是否有明显的CUDA版本不匹配或内存不足的错误。确保按照前文步骤安装了正确的驱动和CUDA 11.8。