Windows系统本地部署Pixel Dream Workshop：从零到一的详细步骤

Windows系统本地部署Pixel Dream Workshop：从零到一的详细步骤

1. 准备工作与环境搭建

在Windows系统上部署Pixel Dream Workshop需要先配置好必要的开发环境。我们将使用WSL2作为基础环境，它能让Windows用户获得接近原生Linux的开发体验。

首先确保你的Windows版本是1903或更高，并且支持WSL2。按下Win+R键，输入"winver"查看系统版本。如果版本过低，建议先通过Windows Update进行升级。

1.1 启用WSL功能

打开PowerShell管理员模式（右键开始菜单选择"Windows终端(管理员)"），依次执行以下命令：

# 启用WSL功能 dism.exe /online /enable-feature /featurename:Microsoft-Windows-Subsystem-Linux /all /norestart # 启用虚拟机平台功能 dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart

执行完成后需要重启电脑。重启后再次以管理员身份打开PowerShell，设置WSL2为默认版本：

wsl --set-default-version 2

1.2 安装Ubuntu发行版

打开Microsoft Store，搜索并安装"Ubuntu 20.04 LTS"。安装完成后，从开始菜单启动Ubuntu，它会自动完成初始化设置，要求你创建用户名和密码。

2. 配置GPU支持与开发环境

2.1 安装NVIDIA驱动

要让WSL2中的Ubuntu能够使用Windows主机的GPU，需要先确保Windows端已安装正确的NVIDIA驱动。访问NVIDIA官网下载最新版驱动，选择"标准版"而非"DCH版"。

安装完成后，在Windows命令提示符中运行：

nvidia-smi

如果能看到GPU信息，说明驱动安装成功。

2.2 配置CUDA Toolkit

在WSL的Ubuntu终端中，依次执行以下命令：

# 添加NVIDIA官方仓库 wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pin sudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600 # 安装CUDA sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/3bf863cc.pub sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/ /" sudo apt-get update sudo apt-get -y install cuda

安装完成后，将CUDA加入环境变量：

echo 'export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}' >> ~/.bashrc source ~/.bashrc

验证安装：

nvcc --version

3. 安装Python与PyTorch

3.1 设置Python环境

建议使用Miniconda管理Python环境：

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh

按照提示完成安装后，创建专用环境：

conda create -n pixel_dream python=3.9 conda activate pixel_dream

3.2 安装PyTorch与依赖

安装支持CUDA的PyTorch：

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu116

安装其他必要依赖：

pip install numpy pillow tqdm requests

4. 部署Pixel Dream Workshop

4.1 下载项目代码

在Ubuntu终端中执行：

git clone https://github.com/pixel-dream-workshop/pixel-dream.git cd pixel-dream

4.2 安装项目依赖

pip install -r requirements.txt

4.3 下载预训练模型

项目需要下载一些预训练模型，可以运行：

python download_models.py

这个过程可能需要一些时间，取决于你的网络速度。

5. 运行图像生成测试

5.1 启动图像生成

确保conda环境已激活，然后在项目目录下运行：

python generate.py --prompt "a beautiful sunset over mountains" --output sunset.png

第一次运行会下载一些额外的模型文件，可能需要等待几分钟。完成后，你可以在项目目录下找到生成的sunset.png图片。

5.2 查看生成结果

由于WSL的文件系统与Windows互通，你可以直接在Windows资源管理器中访问生成的文件。路径通常是：

\\wsl$\Ubuntu\home\<你的用户名>\pixel-dream\sunset.png

或者你也可以在Ubuntu终端中使用以下命令直接在Windows中打开图片：

explorer.exe sunset.png

6. 常见问题解决

如果在部署过程中遇到问题，可以尝试以下解决方案：

• CUDA不可用：确保Windows端安装了正确版本的NVIDIA驱动，并在WSL中正确配置了CUDA环境变量
• 内存不足：生成高分辨率图像需要较多显存，可以尝试降低图像尺寸或使用--low-vram参数
• 速度慢：首次运行需要下载模型文件，后续运行会快很多。也可以尝试使用--fp16参数启用半精度计算

7. 总结与下一步

通过本教程，我们成功在Windows系统上搭建了完整的Pixel Dream Workshop开发环境。WSL2提供了接近原生Linux的开发体验，同时又能充分利用Windows主机的GPU资源。实际测试中，图像生成效果令人满意，运行速度也相当不错。

如果你想进一步探索，可以尝试：

• 调整不同的生成参数，如--steps控制迭代次数
• 尝试不同的模型变体，体验不同的艺术风格
• 将生成功能集成到你自己的应用中

整体来说，这套方案在Windows上运行稳定，效果出色，是体验AI图像生成的便捷方式。

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。