Fooocus 图像生成上手从装到出图的新手完整路径【免费下载链接】FooocusFocus on prompting and generating项目地址: https://gitcode.com/GitHub_Trending/fo/FooocusFooocus 是一款离线开源的 AI 图像生成工具不用调几十个参数输入一句话就能产出接近商用水平的成图。本文按「装好 → 出第一张图 → 换风格 → 调参数 → 常见坑」的顺序带你走完全程假定你之前没跑过 Stable Diffusion。一、先给设备选一条安装路径 ️设备不一样目标一样让浏览器里出现那个生成界面。Windows 路线解压即跑从官方 release 页下载 7z 压缩包解压到任意目录路径里别放中文和空格更稳妥双击run.bat然后等。从「点下载」到「出第一张图」官方把这个过程需要的鼠标点击次数严格控制在 3 次以内首次启动时所需模型会自动下载不需要你手动准备。Linux 路线三选一系统里要有 Python 3.10。图省事就走虚拟环境这条路git clone https://gitcode.com/GitHub_Trending/fo/Fooocus cd Fooocus python3 -m venv fooocus_env source fooocus_env/bin/activate pip install -r requirements_versions.txt python entry_with_update.py想让别人也能从局域网访问就在最后一行末尾加--listen想一开始就换动漫或写实模型加--preset anime或--preset realistic。习惯 Conda 的话可以直接conda env create -f environment.yaml见 environment.yaml用容器部署则参考 docker.md。二、跑起来出第一张图 ⚡看到浏览器自动弹出界面你就成功了一大半。首次启动会有一段较长的等待主要花在下载模型上主生成模型会落到models/checkpoints目录默认预设用的是 juggernautXL对应配置在 presets/default.json。然后你只需要做两件事在提示词框里打一句话短到 house in garden 都行点 Generate等 K 采样器控制生成节奏的算法模块跑完。结束后你会发现内置的 GPT-2 提示词扩展引擎已把这句短词「扩写」成更长的详细描述这正是输入 3 个词也能出成图的原因。报「模型损坏」的错怎么办终端里出现MetadataIncompleteBuffer或PytorchStreamReader说明模型文件没下完整。删掉对应的坏文件让它重新下载即可别自己修补。三、在三个预设和上百个风格模板之间切换同一套工具既能画真人也能画二次元开关就在预设里。三个预设启动器想画什么启动方式默认主模型配置文件通用run.batjuggernautXLpresets/default.json写实run_realistic.batrealisticStockPhotopresets/realistic.json动漫run_anime.batanimaPencilXLpresets/anime.json2.3.0 之后预设还能直接在浏览器页面里切换切过去缺的模型会自动补齐想强制每次切换都下载新模型启动参数加--always-download-new-model想隐藏页面上的切换入口加--disable-preset-selection。风格模板在预设之上再加一层Advanced 面板的 Style 里有一堆现成模板比如 Fooocus V2就是 GPT-2 扩写开关和 Fooocus Cinematic。风格定义集中在 sdxl_styles/ 目录按 fooocus、sai、diva、MRE 等几组组织单选一个或叠两三个都行。想换个气质可以试试半写实路线四、掌握三种内联语法和一份配置文件觉得界面上的参数已经够用下面这些写在提示词里的语法能给你更细的自由度。三种内联写法通配符写__color__ flower生成时会从 wildcards/color.txt 里按随机种子抽一个颜色通配符可以嵌套、可以在一句里放多个。数组写[[red, green, blue]] flower会依次输出 3 张图每个颜色一张记得把出图数量设为 3。内联 LoRA微调风格的轻量模型写flower lora:sunflowers:1.2会自动套用models/loras里同名 LoRA权重 1.2。另有两条小技巧单词可以加权如(happy:1.5)引用文本反转嵌入写(embedding:文件名:1.1)。首次启动生成的 config.txt第一次运行后根目录会出现config.txt模型目录、默认模型、默认 CFG控制跟提示词贴合度的系数、采样器都能在这里改完整键位说明在同目录的config_modification_tutorial.txt。典型的改动长这样{ default_model: realisticStockPhoto_v10.safetensors, default_cfg_scale: 3.0, default_sampler: dpmpp_2m, default_negative_prompt: low quality }改坏了也不怕删掉config.txt一切回到出厂默认。五、4GB 显存、AMD 卡等低配场景的避坑清单先别急着抱怨「卡太弱」对照下面这张官方最低要求表。你的场景最低显存内存速度参考Win/Linux RTX 30/40 系4GB8GB最快 RTX 20 系4GB8GB通常快于 10 系 GTX 10 系8GB6GB 看运气8GB仅比 CPU 略快 GTX 9 系8GB8GB可能比 CPU 还慢Windows AMD 卡DirectML 加速8GB8GB约比 30 系慢 3 倍Linux AMD 卡ROCmbeta8GB8GB约比 30 系慢 1.5 倍Mac M1/M2MPS 共享内存共享共享约比 30 系慢 9 倍纯 CPU032GB约比 30 系慢 17 倍注意所有带显卡的方案都依赖系统交换空间虚拟内存。低配机器最常见的三种故障RuntimeError: CPUAllocator交换空间没开。Windows 一般默认开着确认没开就手动启用虚拟内存同时保证每个磁盘分区至少 40GB 空闲。生成速度比别人的机器慢一个数量级部分新版 Nvidia 驱动存在这个问题官方建议回退到 531 版本驱动。AMD 卡跑不起来Windows 上要装 DirectML 版 torch 并用--directml参数启动Linux 走 ROCmbeta。Mac M2 用户如果模型加载慢试试追加--disable-offload-from-vram。完全没有显卡可以跑仓库里的官方 Colab 笔记本fooocus_colab.ipynb免费档能跑基础的文生图加--always-high-vram参数后在 T4 实例上速度最稳。现在就打开终端克隆仓库、激活环境、运行entry_with_update.py。等浏览器弹出来输入你的第一句话点 Generate——5 分钟后你的屏幕上就会躺着第一张图像生成作品。【免费下载链接】FooocusFocus on prompting and generating项目地址: https://gitcode.com/GitHub_Trending/fo/Fooocus创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Fooocus 图像生成上手：从装到出图的新手完整路径
Fooocus 图像生成上手从装到出图的新手完整路径【免费下载链接】FooocusFocus on prompting and generating项目地址: https://gitcode.com/GitHub_Trending/fo/FooocusFooocus 是一款离线开源的 AI 图像生成工具不用调几十个参数输入一句话就能产出接近商用水平的成图。本文按「装好 → 出第一张图 → 换风格 → 调参数 → 常见坑」的顺序带你走完全程假定你之前没跑过 Stable Diffusion。一、先给设备选一条安装路径 ️设备不一样目标一样让浏览器里出现那个生成界面。Windows 路线解压即跑从官方 release 页下载 7z 压缩包解压到任意目录路径里别放中文和空格更稳妥双击run.bat然后等。从「点下载」到「出第一张图」官方把这个过程需要的鼠标点击次数严格控制在 3 次以内首次启动时所需模型会自动下载不需要你手动准备。Linux 路线三选一系统里要有 Python 3.10。图省事就走虚拟环境这条路git clone https://gitcode.com/GitHub_Trending/fo/Fooocus cd Fooocus python3 -m venv fooocus_env source fooocus_env/bin/activate pip install -r requirements_versions.txt python entry_with_update.py想让别人也能从局域网访问就在最后一行末尾加--listen想一开始就换动漫或写实模型加--preset anime或--preset realistic。习惯 Conda 的话可以直接conda env create -f environment.yaml见 environment.yaml用容器部署则参考 docker.md。二、跑起来出第一张图 ⚡看到浏览器自动弹出界面你就成功了一大半。首次启动会有一段较长的等待主要花在下载模型上主生成模型会落到models/checkpoints目录默认预设用的是 juggernautXL对应配置在 presets/default.json。然后你只需要做两件事在提示词框里打一句话短到 house in garden 都行点 Generate等 K 采样器控制生成节奏的算法模块跑完。结束后你会发现内置的 GPT-2 提示词扩展引擎已把这句短词「扩写」成更长的详细描述这正是输入 3 个词也能出成图的原因。报「模型损坏」的错怎么办终端里出现MetadataIncompleteBuffer或PytorchStreamReader说明模型文件没下完整。删掉对应的坏文件让它重新下载即可别自己修补。三、在三个预设和上百个风格模板之间切换同一套工具既能画真人也能画二次元开关就在预设里。三个预设启动器想画什么启动方式默认主模型配置文件通用run.batjuggernautXLpresets/default.json写实run_realistic.batrealisticStockPhotopresets/realistic.json动漫run_anime.batanimaPencilXLpresets/anime.json2.3.0 之后预设还能直接在浏览器页面里切换切过去缺的模型会自动补齐想强制每次切换都下载新模型启动参数加--always-download-new-model想隐藏页面上的切换入口加--disable-preset-selection。风格模板在预设之上再加一层Advanced 面板的 Style 里有一堆现成模板比如 Fooocus V2就是 GPT-2 扩写开关和 Fooocus Cinematic。风格定义集中在 sdxl_styles/ 目录按 fooocus、sai、diva、MRE 等几组组织单选一个或叠两三个都行。想换个气质可以试试半写实路线四、掌握三种内联语法和一份配置文件觉得界面上的参数已经够用下面这些写在提示词里的语法能给你更细的自由度。三种内联写法通配符写__color__ flower生成时会从 wildcards/color.txt 里按随机种子抽一个颜色通配符可以嵌套、可以在一句里放多个。数组写[[red, green, blue]] flower会依次输出 3 张图每个颜色一张记得把出图数量设为 3。内联 LoRA微调风格的轻量模型写flower lora:sunflowers:1.2会自动套用models/loras里同名 LoRA权重 1.2。另有两条小技巧单词可以加权如(happy:1.5)引用文本反转嵌入写(embedding:文件名:1.1)。首次启动生成的 config.txt第一次运行后根目录会出现config.txt模型目录、默认模型、默认 CFG控制跟提示词贴合度的系数、采样器都能在这里改完整键位说明在同目录的config_modification_tutorial.txt。典型的改动长这样{ default_model: realisticStockPhoto_v10.safetensors, default_cfg_scale: 3.0, default_sampler: dpmpp_2m, default_negative_prompt: low quality }改坏了也不怕删掉config.txt一切回到出厂默认。五、4GB 显存、AMD 卡等低配场景的避坑清单先别急着抱怨「卡太弱」对照下面这张官方最低要求表。你的场景最低显存内存速度参考Win/Linux RTX 30/40 系4GB8GB最快 RTX 20 系4GB8GB通常快于 10 系 GTX 10 系8GB6GB 看运气8GB仅比 CPU 略快 GTX 9 系8GB8GB可能比 CPU 还慢Windows AMD 卡DirectML 加速8GB8GB约比 30 系慢 3 倍Linux AMD 卡ROCmbeta8GB8GB约比 30 系慢 1.5 倍Mac M1/M2MPS 共享内存共享共享约比 30 系慢 9 倍纯 CPU032GB约比 30 系慢 17 倍注意所有带显卡的方案都依赖系统交换空间虚拟内存。低配机器最常见的三种故障RuntimeError: CPUAllocator交换空间没开。Windows 一般默认开着确认没开就手动启用虚拟内存同时保证每个磁盘分区至少 40GB 空闲。生成速度比别人的机器慢一个数量级部分新版 Nvidia 驱动存在这个问题官方建议回退到 531 版本驱动。AMD 卡跑不起来Windows 上要装 DirectML 版 torch 并用--directml参数启动Linux 走 ROCmbeta。Mac M2 用户如果模型加载慢试试追加--disable-offload-from-vram。完全没有显卡可以跑仓库里的官方 Colab 笔记本fooocus_colab.ipynb免费档能跑基础的文生图加--always-high-vram参数后在 T4 实例上速度最稳。现在就打开终端克隆仓库、激活环境、运行entry_with_update.py。等浏览器弹出来输入你的第一句话点 Generate——5 分钟后你的屏幕上就会躺着第一张图像生成作品。【免费下载链接】FooocusFocus on prompting and generating项目地址: https://gitcode.com/GitHub_Trending/fo/Fooocus创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考