RVC模型Ubuntu服务器生产环境部署详解如果你之前只是在本地电脑上玩玩RVC模型现在想把它搬到服务器上让团队里的其他人也能用上或者想搭建一个稳定的在线服务那这篇文章就是为你准备的。我会带你一步步在Ubuntu服务器上把RVC模型部署成一个随时可用的生产环境服务。整个过程听起来有点复杂但其实就像搭积木我们把系统环境、GPU驱动、Docker容器、网络代理这些“积木”一块块拼好就行。我会尽量用大白话解释每一步在干什么让你不仅知道怎么操作还能明白为什么这么做。跟着走下来你就能拥有一个支持HTTPS安全访问、能开机自启、还有完善日志管理的RVC服务了。1. 准备工作检查你的“施工场地”在开始安装任何东西之前我们先得看看服务器这个“场地”合不合格。这步很重要能避免后面很多莫名其妙的错误。1.1 确认系统版本首先我们得确认服务器用的是不是我们计划中的Ubuntu 20.04 LTS。打开终端输入下面这条命令lsb_release -a你会看到类似这样的输出No LSB modules are available. Distributor ID: Ubuntu Description: Ubuntu 20.04.6 LTS Release: 20.04 Codename: focal重点看Description和Release这两行确保是Ubuntu 20.04.x LTS。如果不是后面的一些安装命令可能需要调整。1.2 检查GPU硬件我们的RVC模型需要GPU来加速推理所以得先确认服务器里有没有GPU以及是什么型号的。运行lspci | grep -i nvidia如果输出显示了NVIDIA显卡的信息比如NVIDIA Corporation GA102 [GeForce RTX 3090]那就说明硬件是OK的。如果什么都没显示那可能服务器没装显卡或者不是NVIDIA的这就没法继续了。1.3 更新系统包在安装新软件前最好先把系统自带的软件包更新到最新这能解决一些潜在的依赖冲突。依次执行下面两条命令sudo apt update sudo apt upgrade -y第一条命令是刷新软件源列表第二条是升级所有可升级的包。-y参数表示自动回答“yes”不用我们手动确认。这个过程可能需要几分钟取决于更新包的数量和网速。2. 搭建核心环境GPU驱动和CUDARVC模型依赖NVIDIA的CUDA进行GPU计算所以我们必须先装好驱动和CUDA工具包。这里我们选择使用系统包管理器来安装比较省心。2.1 安装NVIDIA驱动和CUDAUbuntu的官方仓库里提供了打包好的NVIDIA驱动和CUDA我们可以一键安装。运行以下命令sudo apt install -y nvidia-driver-535 cuda-toolkit-12-3这里我们安装的是535版本的驱动和12.3版本的CUDA Toolkit这是目前比较稳定且兼容性好的组合。安装过程会比较长因为要下载好几个G的文件并且会编译内核模块耐心等待即可。安装完成后必须重启服务器让新驱动生效。sudo reboot2.2 验证安装是否成功服务器重启后重新登录我们来验证一下驱动和CUDA是不是真的装好了。验证驱动nvidia-smi这个命令会输出一个表格显示GPU的型号、驱动版本、CUDA版本以及当前GPU的使用情况。如果你能看到GPU信息并且驱动版本是535左右CUDA版本是12.3那就说明驱动安装成功了。验证CUDA编译器nvcc --version这个命令会输出CUDA编译器的版本信息同样确认是12.3即可。如果这两条命令都能正确输出信息那么恭喜你最复杂、最容易出问题的一步已经顺利通过了。3. 使用Docker部署RVC服务为了环境隔离和方便迁移我们选择用Docker来运行RVC模型。你可以把Docker想象成一个超级轻量级的虚拟机我们把RVC模型和它需要的所有依赖打包成一个“集装箱”镜像然后在服务器上启动这个“集装箱”容器就行了。3.1 安装Docker如果你的系统还没有安装Docker可以通过以下命令安装# 安装必要的工具 sudo apt install -y apt-transport-https ca-certificates curl software-properties-common # 添加Docker官方GPG密钥 curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add - # 添加Docker软件源 sudo add-apt-repository deb [archamd64] https://download.docker.com/linux/ubuntu focal stable # 更新源并安装Docker sudo apt update sudo apt install -y docker-ce docker-ce-cli containerd.io安装完成后将当前用户加入docker组这样以后就不用每次都加sudo来运行docker命令了。sudo usermod -aG docker $USER重要执行完上面这条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分组变更才会生效。3.2 拉取并运行RVC镜像这里假设你已经有一个构建好的RVC模型Docker镜像比如它的名字叫my-rvc-model:latest并且已经上传到了某个镜像仓库如Docker Hub。我们在服务器上把它拉下来并运行。# 拉取镜像 docker pull my-rvc-model:latest # 运行容器 docker run -d \ --name rvc-service \ --gpus all \ -p 7860:7860 \ -v /path/to/your/models:/app/models \ my-rvc-model:latest我来解释一下上面docker run命令里的几个参数-d让容器在后台运行。--name rvc-service给容器起个名字方便管理。--gpus all把宿主机的所有GPU都分配给这个容器用这是RVC能用到GPU的关键。-p 7860:7860端口映射。容器内部的RVC服务通常在7860端口我们把它映射到宿主机的7860端口这样从外面就能访问了。-v /path/to/your/models:/app/models数据卷挂载。把服务器上的一个目录比如放你训练好的模型文件的地方挂载到容器内部的/app/models路径。这样模型文件就在容器外面更新和管理起来更方便。运行后可以用docker ps命令查看容器是否在正常运行。3.3 初步测试服务容器运行起来后我们先在服务器本地测试一下服务是否正常。在服务器终端里执行curl http://localhost:7860如果返回一些HTML代码哪怕是个404页面也说明Web服务已经跑起来了。如果连接被拒绝可能是服务还没完全启动可以等几秒再试或者用docker logs rvc-service查看容器的日志输出看看有没有报错。4. 配置网络访问Nginx与HTTPS现在服务已经在服务器的7860端口跑起来了但我们不能直接让用户访问这个端口。一方面不专业另一方面也不安全。我们需要用Nginx这个专业的Web服务器作为“前台接待”它负责处理HTTPS、域名转发等事情再把请求转发给后面真正的RVC服务。4.1 安装Nginxsudo apt install -y nginx安装完成后Nginx会自动启动。你可以通过服务器的IP地址访问如果看到Nginx的欢迎页面说明安装成功。4.2 配置反向代理我们需要告诉Nginx当有人访问我们的域名比如rvc.yourcompany.com时把请求转发给本机的7860端口也就是我们的RVC容器。首先删除Nginx的默认站点配置sudo rm /etc/nginx/sites-enabled/default然后创建一个新的配置文件给我们的RVC服务。用你喜欢的文本编辑器如nano或vim创建文件sudo nano /etc/nginx/sites-available/rvc-service在这个文件里写入以下内容server { listen 80; server_name rvc.yourcompany.com; # 请替换成你的域名 location / { proxy_pass http://localhost:7860; proxy_set_header Host $host; proxy_set_header X-Real-IP $remote_addr; proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for; proxy_set_header X-Forwarded-Proto $scheme; } }简单解释一下listen 80监听80端口HTTP。server_name你的域名。location /把所有访问这个域名的请求。proxy_pass http://localhost:7860都转发给本机7860端口的服务。下面几行proxy_set_header是为了把用户的一些原始信息比如真实IP也传递给后端的RVC服务。保存并退出编辑器。然后创建一个符号链接启用这个站点配置sudo ln -s /etc/nginx/sites-available/rvc-service /etc/nginx/sites-enabled/最后测试Nginx配置是否正确并重新加载配置sudo nginx -t # 应该输出 syntax is ok 和 test is successful sudo systemctl reload nginx现在你应该可以通过服务器的IP地址或者配置的域名如果DNS已指向该服务器的80端口访问到RVC服务的界面了。4.3 配置SSL证书HTTPS让网站用HTTPS是必须的它能加密通信防止数据被窃听。我们可以用Let‘s Encrypt提供的免费证书。这里使用certbot工具自动化申请和配置。安装Certbot和Nginx插件sudo apt install -y certbot python3-certbot-nginx申请并自动配置SSL证书sudo certbot --nginx -d rvc.yourcompany.com # 替换成你的域名按照提示操作输入邮箱、同意协议等。Certbot会自动帮你修改Nginx配置将HTTP请求重定向到HTTPS并配置好证书路径。完成后你的RVC服务就支持通过https://rvc.yourcompany.com安全访问了。Certbot申请的证书有效期是90天但它会自动设置一个定时任务来续期基本不用操心。5. 配置系统服务与日志管理到目前为止我们的服务已经能用了。但还有两个问题1. 服务器重启后Docker容器不会自动启动。2. 容器的日志散落在各处不方便查看和管理。我们用Systemd来解决这两个问题。5.1 创建Systemd服务单元Systemd是Ubuntu的系统服务管理器。我们创建一个服务配置文件让它来管理我们的Docker容器。创建服务文件sudo nano /etc/systemd/system/rvc-docker.service写入以下内容[Unit] DescriptionRVC Model Docker Service Requiresdocker.service Afterdocker.service network-online.target Wantsnetwork-online.target [Service] Typesimple Restartalways RestartSec10 ExecStartPre-/usr/bin/docker stop rvc-service ExecStartPre-/usr/bin/docker rm rvc-service ExecStart/usr/bin/docker run --name rvc-service --gpus all -p 7860:7860 -v /path/to/your/models:/app/models my-rvc-model:latest ExecStop/usr/bin/docker stop rvc-service [Install] WantedBymulti-user.target注意请将/path/to/your/models和my-rvc-model:latest替换成你实际使用的路径和镜像名。这个配置文件告诉Systemd这个服务依赖docker服务。启动前先清理可能存在的旧容器。用我们指定的参数启动容器。停止服务时优雅地停止容器。Restartalways意味着如果容器意外退出Systemd会自动重启它。5.2 配置日志管理默认情况下Docker容器的日志会输出到journald系统日志。我们可以配置一下让日志也按日期滚动存储到文件中方便追溯。创建日志配置文件sudo nano /etc/systemd/system/rvc-docker.service.d/override.conf由于这个目录可能不存在你可能需要先创建它sudo mkdir -p /etc/systemd/system/rvc-docker.service.d/然后在override.conf文件中写入[Service] StandardOutputappend:/var/log/rvc-service/rvc-service.log StandardErrorappend:/var/log/rvc-service/rvc-service.error.log创建日志目录并设置权限sudo mkdir -p /var/log/rvc-service sudo chown syslog:adm /var/log/rvc-service5.3 启用并启动服务现在让Systemd加载新的服务配置并设置开机自启sudo systemctl daemon-reload sudo systemctl enable rvc-docker.service # 启用开机自启 sudo systemctl start rvc-docker.service # 立即启动服务检查服务状态和日志sudo systemctl status rvc-docker.service # 查看服务运行状态 sudo journalctl -u rvc-docker.service -f # 实时查看服务日志 tail -f /var/log/rvc-service/rvc-service.log # 查看我们指定的日志文件如果状态显示为active (running)并且日志中没有明显的错误信息那么恭喜你一个高可用的RVC模型生产环境就部署完成了6. 总结与后续建议走完这一整套流程你可能觉得步骤不少但每一步其实都是在为服务的稳定性、安全性和可维护性添砖加瓦。从最基础的系统和GPU环境检查到用Docker封装应用实现环境隔离再到通过Nginx提供安全的对外访问入口最后用Systemd确保服务能持续运行、日志有迹可循这是一个标准的生产级应用部署思路。实际用起来之后你可能会发现一些可以微调的地方。比如如果访问量变大可能需要调整Docker容器的资源限制CPU、内存或者在Nginx里配置一下缓存策略来提升响应速度。日志文件也会越来越大可以考虑用logrotate工具配置一下日志的自动切割和清理避免把磁盘塞满。部署本身不是终点而是一个起点。有了这个稳定可靠的基础环境你和你的团队就可以更专注地去使用RVC模型本身的能力去探索它在具体业务场景下的应用而不用再为环境问题烦心了。如果在使用过程中遇到新的问题不妨多看看journalctl和咱们自定义的日志文件那里通常藏着解决问题的线索。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。
RVC模型Ubuntu服务器生产环境部署详解
发布时间：2026/6/10 22:00:43
RVC模型Ubuntu服务器生产环境部署详解如果你之前只是在本地电脑上玩玩RVC模型现在想把它搬到服务器上让团队里的其他人也能用上或者想搭建一个稳定的在线服务那这篇文章就是为你准备的。我会带你一步步在Ubuntu服务器上把RVC模型部署成一个随时可用的生产环境服务。整个过程听起来有点复杂但其实就像搭积木我们把系统环境、GPU驱动、Docker容器、网络代理这些“积木”一块块拼好就行。我会尽量用大白话解释每一步在干什么让你不仅知道怎么操作还能明白为什么这么做。跟着走下来你就能拥有一个支持HTTPS安全访问、能开机自启、还有完善日志管理的RVC服务了。1. 准备工作检查你的“施工场地”在开始安装任何东西之前我们先得看看服务器这个“场地”合不合格。这步很重要能避免后面很多莫名其妙的错误。1.1 确认系统版本首先我们得确认服务器用的是不是我们计划中的Ubuntu 20.04 LTS。打开终端输入下面这条命令lsb_release -a你会看到类似这样的输出No LSB modules are available. Distributor ID: Ubuntu Description: Ubuntu 20.04.6 LTS Release: 20.04 Codename: focal重点看Description和Release这两行确保是Ubuntu 20.04.x LTS。如果不是后面的一些安装命令可能需要调整。1.2 检查GPU硬件我们的RVC模型需要GPU来加速推理所以得先确认服务器里有没有GPU以及是什么型号的。运行lspci | grep -i nvidia如果输出显示了NVIDIA显卡的信息比如NVIDIA Corporation GA102 [GeForce RTX 3090]那就说明硬件是OK的。如果什么都没显示那可能服务器没装显卡或者不是NVIDIA的这就没法继续了。1.3 更新系统包在安装新软件前最好先把系统自带的软件包更新到最新这能解决一些潜在的依赖冲突。依次执行下面两条命令sudo apt update sudo apt upgrade -y第一条命令是刷新软件源列表第二条是升级所有可升级的包。-y参数表示自动回答“yes”不用我们手动确认。这个过程可能需要几分钟取决于更新包的数量和网速。2. 搭建核心环境GPU驱动和CUDARVC模型依赖NVIDIA的CUDA进行GPU计算所以我们必须先装好驱动和CUDA工具包。这里我们选择使用系统包管理器来安装比较省心。2.1 安装NVIDIA驱动和CUDAUbuntu的官方仓库里提供了打包好的NVIDIA驱动和CUDA我们可以一键安装。运行以下命令sudo apt install -y nvidia-driver-535 cuda-toolkit-12-3这里我们安装的是535版本的驱动和12.3版本的CUDA Toolkit这是目前比较稳定且兼容性好的组合。安装过程会比较长因为要下载好几个G的文件并且会编译内核模块耐心等待即可。安装完成后必须重启服务器让新驱动生效。sudo reboot2.2 验证安装是否成功服务器重启后重新登录我们来验证一下驱动和CUDA是不是真的装好了。验证驱动nvidia-smi这个命令会输出一个表格显示GPU的型号、驱动版本、CUDA版本以及当前GPU的使用情况。如果你能看到GPU信息并且驱动版本是535左右CUDA版本是12.3那就说明驱动安装成功了。验证CUDA编译器nvcc --version这个命令会输出CUDA编译器的版本信息同样确认是12.3即可。如果这两条命令都能正确输出信息那么恭喜你最复杂、最容易出问题的一步已经顺利通过了。3. 使用Docker部署RVC服务为了环境隔离和方便迁移我们选择用Docker来运行RVC模型。你可以把Docker想象成一个超级轻量级的虚拟机我们把RVC模型和它需要的所有依赖打包成一个“集装箱”镜像然后在服务器上启动这个“集装箱”容器就行了。3.1 安装Docker如果你的系统还没有安装Docker可以通过以下命令安装# 安装必要的工具 sudo apt install -y apt-transport-https ca-certificates curl software-properties-common # 添加Docker官方GPG密钥 curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add - # 添加Docker软件源 sudo add-apt-repository deb [archamd64] https://download.docker.com/linux/ubuntu focal stable # 更新源并安装Docker sudo apt update sudo apt install -y docker-ce docker-ce-cli containerd.io安装完成后将当前用户加入docker组这样以后就不用每次都加sudo来运行docker命令了。sudo usermod -aG docker $USER重要执行完上面这条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分组变更才会生效。3.2 拉取并运行RVC镜像这里假设你已经有一个构建好的RVC模型Docker镜像比如它的名字叫my-rvc-model:latest并且已经上传到了某个镜像仓库如Docker Hub。我们在服务器上把它拉下来并运行。# 拉取镜像 docker pull my-rvc-model:latest # 运行容器 docker run -d \ --name rvc-service \ --gpus all \ -p 7860:7860 \ -v /path/to/your/models:/app/models \ my-rvc-model:latest我来解释一下上面docker run命令里的几个参数-d让容器在后台运行。--name rvc-service给容器起个名字方便管理。--gpus all把宿主机的所有GPU都分配给这个容器用这是RVC能用到GPU的关键。-p 7860:7860端口映射。容器内部的RVC服务通常在7860端口我们把它映射到宿主机的7860端口这样从外面就能访问了。-v /path/to/your/models:/app/models数据卷挂载。把服务器上的一个目录比如放你训练好的模型文件的地方挂载到容器内部的/app/models路径。这样模型文件就在容器外面更新和管理起来更方便。运行后可以用docker ps命令查看容器是否在正常运行。3.3 初步测试服务容器运行起来后我们先在服务器本地测试一下服务是否正常。在服务器终端里执行curl http://localhost:7860如果返回一些HTML代码哪怕是个404页面也说明Web服务已经跑起来了。如果连接被拒绝可能是服务还没完全启动可以等几秒再试或者用docker logs rvc-service查看容器的日志输出看看有没有报错。4. 配置网络访问Nginx与HTTPS现在服务已经在服务器的7860端口跑起来了但我们不能直接让用户访问这个端口。一方面不专业另一方面也不安全。我们需要用Nginx这个专业的Web服务器作为“前台接待”它负责处理HTTPS、域名转发等事情再把请求转发给后面真正的RVC服务。4.1 安装Nginxsudo apt install -y nginx安装完成后Nginx会自动启动。你可以通过服务器的IP地址访问如果看到Nginx的欢迎页面说明安装成功。4.2 配置反向代理我们需要告诉Nginx当有人访问我们的域名比如rvc.yourcompany.com时把请求转发给本机的7860端口也就是我们的RVC容器。首先删除Nginx的默认站点配置sudo rm /etc/nginx/sites-enabled/default然后创建一个新的配置文件给我们的RVC服务。用你喜欢的文本编辑器如nano或vim创建文件sudo nano /etc/nginx/sites-available/rvc-service在这个文件里写入以下内容server { listen 80; server_name rvc.yourcompany.com; # 请替换成你的域名 location / { proxy_pass http://localhost:7860; proxy_set_header Host $host; proxy_set_header X-Real-IP $remote_addr; proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for; proxy_set_header X-Forwarded-Proto $scheme; } }简单解释一下listen 80监听80端口HTTP。server_name你的域名。location /把所有访问这个域名的请求。proxy_pass http://localhost:7860都转发给本机7860端口的服务。下面几行proxy_set_header是为了把用户的一些原始信息比如真实IP也传递给后端的RVC服务。保存并退出编辑器。然后创建一个符号链接启用这个站点配置sudo ln -s /etc/nginx/sites-available/rvc-service /etc/nginx/sites-enabled/最后测试Nginx配置是否正确并重新加载配置sudo nginx -t # 应该输出 syntax is ok 和 test is successful sudo systemctl reload nginx现在你应该可以通过服务器的IP地址或者配置的域名如果DNS已指向该服务器的80端口访问到RVC服务的界面了。4.3 配置SSL证书HTTPS让网站用HTTPS是必须的它能加密通信防止数据被窃听。我们可以用Let‘s Encrypt提供的免费证书。这里使用certbot工具自动化申请和配置。安装Certbot和Nginx插件sudo apt install -y certbot python3-certbot-nginx申请并自动配置SSL证书sudo certbot --nginx -d rvc.yourcompany.com # 替换成你的域名按照提示操作输入邮箱、同意协议等。Certbot会自动帮你修改Nginx配置将HTTP请求重定向到HTTPS并配置好证书路径。完成后你的RVC服务就支持通过https://rvc.yourcompany.com安全访问了。Certbot申请的证书有效期是90天但它会自动设置一个定时任务来续期基本不用操心。5. 配置系统服务与日志管理到目前为止我们的服务已经能用了。但还有两个问题1. 服务器重启后Docker容器不会自动启动。2. 容器的日志散落在各处不方便查看和管理。我们用Systemd来解决这两个问题。5.1 创建Systemd服务单元Systemd是Ubuntu的系统服务管理器。我们创建一个服务配置文件让它来管理我们的Docker容器。创建服务文件sudo nano /etc/systemd/system/rvc-docker.service写入以下内容[Unit] DescriptionRVC Model Docker Service Requiresdocker.service Afterdocker.service network-online.target Wantsnetwork-online.target [Service] Typesimple Restartalways RestartSec10 ExecStartPre-/usr/bin/docker stop rvc-service ExecStartPre-/usr/bin/docker rm rvc-service ExecStart/usr/bin/docker run --name rvc-service --gpus all -p 7860:7860 -v /path/to/your/models:/app/models my-rvc-model:latest ExecStop/usr/bin/docker stop rvc-service [Install] WantedBymulti-user.target注意请将/path/to/your/models和my-rvc-model:latest替换成你实际使用的路径和镜像名。这个配置文件告诉Systemd这个服务依赖docker服务。启动前先清理可能存在的旧容器。用我们指定的参数启动容器。停止服务时优雅地停止容器。Restartalways意味着如果容器意外退出Systemd会自动重启它。5.2 配置日志管理默认情况下Docker容器的日志会输出到journald系统日志。我们可以配置一下让日志也按日期滚动存储到文件中方便追溯。创建日志配置文件sudo nano /etc/systemd/system/rvc-docker.service.d/override.conf由于这个目录可能不存在你可能需要先创建它sudo mkdir -p /etc/systemd/system/rvc-docker.service.d/然后在override.conf文件中写入[Service] StandardOutputappend:/var/log/rvc-service/rvc-service.log StandardErrorappend:/var/log/rvc-service/rvc-service.error.log创建日志目录并设置权限sudo mkdir -p /var/log/rvc-service sudo chown syslog:adm /var/log/rvc-service5.3 启用并启动服务现在让Systemd加载新的服务配置并设置开机自启sudo systemctl daemon-reload sudo systemctl enable rvc-docker.service # 启用开机自启 sudo systemctl start rvc-docker.service # 立即启动服务检查服务状态和日志sudo systemctl status rvc-docker.service # 查看服务运行状态 sudo journalctl -u rvc-docker.service -f # 实时查看服务日志 tail -f /var/log/rvc-service/rvc-service.log # 查看我们指定的日志文件如果状态显示为active (running)并且日志中没有明显的错误信息那么恭喜你一个高可用的RVC模型生产环境就部署完成了6. 总结与后续建议走完这一整套流程你可能觉得步骤不少但每一步其实都是在为服务的稳定性、安全性和可维护性添砖加瓦。从最基础的系统和GPU环境检查到用Docker封装应用实现环境隔离再到通过Nginx提供安全的对外访问入口最后用Systemd确保服务能持续运行、日志有迹可循这是一个标准的生产级应用部署思路。实际用起来之后你可能会发现一些可以微调的地方。比如如果访问量变大可能需要调整Docker容器的资源限制CPU、内存或者在Nginx里配置一下缓存策略来提升响应速度。日志文件也会越来越大可以考虑用logrotate工具配置一下日志的自动切割和清理避免把磁盘塞满。部署本身不是终点而是一个起点。有了这个稳定可靠的基础环境你和你的团队就可以更专注地去使用RVC模型本身的能力去探索它在具体业务场景下的应用而不用再为环境问题烦心了。如果在使用过程中遇到新的问题不妨多看看journalctl和咱们自定义的日志文件那里通常藏着解决问题的线索。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。
