从零开始在 Ubuntu 20.04 系统部署 Flux Sea Studio 完整指南如果你对AI图像生成感兴趣特别是最近很火的Flux模型那么Flux Sea Studio这个工具你一定不想错过。它提供了一个非常直观的Web界面让你能轻松玩转Flux的各种图像生成能力。不过很多朋友卡在了第一步怎么把它部署到自己的服务器上今天这篇指南就是为你准备的。我们将手把手带你在一台全新的Ubuntu 20.04服务器上从零开始一步步把Flux Sea Studio跑起来。整个过程就像搭积木我会把每一步都拆解得清清楚楚即使你之前没怎么接触过服务器运维跟着做也能成功。1. 开始之前你需要准备什么在动手之前我们先看看需要哪些“食材”。这样你心里有数操作起来也更顺畅。首先你需要一台运行Ubuntu 20.04的服务器。可以是云服务器也可以是家里的旧电脑装的Ubuntu系统。服务器的配置建议至少是4核CPU、16GB内存并且最关键的是要有一块NVIDIA显卡。因为Flux模型依赖CUDA进行加速没有显卡的话生成图片会非常非常慢体验很差。其次你需要一个可以访问这台服务器的终端比如通过SSH连接。接下来的所有命令都是在终端里输入的。最后是网络环境。因为我们需要从网上下载Docker镜像和一些软件包所以请确保你的服务器能顺畅地访问网络。好了准备工作就这些是不是很简单接下来我们就进入正式的部署环节。2. 第一步为系统打好基础我们的服务器就像一块空地要盖房子运行Flux Sea Studio得先通水通电打好地基。这一步就是安装所有必要的系统软件和依赖。打开你的终端连接到服务器然后依次执行下面的命令。每执行完一条可以稍微等一下确保执行成功了再执行下一条。首先更新一下系统的软件包列表这能确保我们接下来安装的是最新版本的软件。sudo apt update更新完成后我们来安装一些基础工具比如用于管理软件包的curl、wget以及后续会用到的git。sudo apt install -y curl wget git接下来是一个非常重要的步骤安装Docker。Docker是一种容器技术可以把它理解成一个超级轻量级的虚拟机。Flux Sea Studio就是打包在Docker镜像里分发的用Docker来运行它可以避免复杂的环境配置问题。我们通过Docker官方提供的一键安装脚本来安装这样最省事。curl -fsSL https://get.docker.com -o get-docker.sh sudo sh get-docker.sh安装完成后把当前用户加入到docker用户组。这样以后运行Docker命令就不需要每次都加sudo了更方便。sudo usermod -aG docker $USER注意执行完上面这条命令后你需要完全退出当前的SSH会话然后重新登录一次这个用户组的变更才会生效。你可以直接关闭终端再重新连接。重新登录后可以运行下面的命令测试一下Docker是否安装成功。如果能看到Docker的版本信息就说明没问题。docker --version地基部分到这里就差不多了。我们安装了Docker这个核心工具为后续拉取和运行镜像做好了准备。3. 第二步搞定显卡驱动与CUDAFlux模型生成图片是个重计算活全靠显卡GPU来加速。要让Docker容器里的程序能调用你服务器上的显卡我们需要确保两件事服务器本身安装了正确的NVIDIA驱动并且Docker具备了使用GPU的能力。3.1 检查NVIDIA驱动首先检查一下你的服务器是否已经安装了NVIDIA显卡驱动。运行下面的命令nvidia-smi如果这个命令能运行并且显示出了你的显卡型号、驱动版本以及GPU的使用情况表格像下面这样那就恭喜你驱动已经装好了可以直接跳到3.2小节。----------------------------------------------------------------------------- | NVIDIA-SMI 470.182.03 Driver Version: 470.182.03 CUDA Version: 11.4 | |--------------------------------------------------------------------------- | GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC | | Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. | || | 0 NVIDIA GeForce ... On | 00000000:01:00.0 Off | N/A | | 30% 45C P0 50W / 200W | 100MiB / 8192MiB | 0% Default | ---------------------------------------------------------------------------如果提示command not found说明还没有安装驱动。对于Ubuntu 20.04一个比较方便的方法是使用系统自带的“附加驱动”工具来安装。但由于我们是在无图形界面的服务器上可以通过下面的命令来安装。首先添加Ubuntu的官方显卡驱动PPA源并更新软件列表sudo add-apt-repository ppa:graphics-drivers/ppa -y sudo apt update然后查找当前系统推荐安装的驱动版本ubuntu-drivers devices在输出结果中找到推荐版本通常后面会标有recommended。假设推荐版本是nvidia-driver-470则安装它sudo apt install -y nvidia-driver-470安装完成后需要重启服务器才能使驱动生效。sudo reboot重启并重新登录后再次运行nvidia-smi命令应该就能看到显卡信息了。3.2 安装NVIDIA Container Toolkit光有驱动还不够我们需要让Docker容器也能访问GPU。这就需要安装NVIDIA Container Toolkit。首先添加NVIDIA的软件仓库和GPG密钥distribution$(. /etc/os-release;echo $ID$VERSION_ID) \ curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \ curl -s -L https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.list | \ sed s#deb https://#deb [signed-by/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g | \ sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list接着更新软件包列表并安装工具包sudo apt update sudo apt install -y nvidia-container-toolkit安装完成后需要配置Docker使用我们刚安装的NVIDIA运行时。sudo nvidia-ctk runtime configure --runtimedocker最后重启Docker服务让配置生效。sudo systemctl restart docker现在我们可以做一个终极测试验证Docker是否真的能调用GPU。运行一个官方的NVIDIA CUDA测试镜像docker run --rm --gpus all nvidia/cuda:11.8.0-base-ubuntu20.04 nvidia-smi如果这个命令成功运行并且输出的显卡信息和你直接在系统里运行nvidia-smi的结果一致那么恭喜你显卡环境这一最复杂的部分已经完美配置完成4. 第三步拉取并运行Flux Sea Studio镜像基础环境和显卡都配置好后终于到了主角登场时刻。我们将从CSDN星图镜像广场拉取Flux Sea Studio的镜像并运行它。CSDN星图镜像广场提供了很多预置好的AI应用镜像Flux Sea Studio就是其中之一这省去了我们自己从零构建镜像的麻烦。直接使用docker run命令来拉取并启动容器。这个命令有点长我把它拆开解释一下-itd让容器在后台运行。--gpus all将宿主机的所有GPU都分配给这个容器使用。-p 7860:7860将容器内部的7860端口映射到宿主机的7860端口。Flux Sea Studio的Web界面就是通过这个端口访问的。--name flux-sea-studio给容器起个名字方便后续管理。最后是镜像地址。在终端中执行以下命令docker run -itd --gpus all -p 7860:7860 --name flux-sea-studio csdn/staroid/flux-sea-studio:latest执行后Docker会开始从网络拉取镜像。镜像大小有几个GB根据你的网速需要等待一段时间。你可以通过下面的命令查看拉取进度docker logs -f flux-sea-studio当你在日志中看到类似Running on local URL: http://0.0.0.0:7860这样的信息时就说明容器已经启动成功了。现在打开你的浏览器访问http://你的服务器IP地址:7860。如果一切顺利你就能看到Flux Sea Studio的Web界面了这意味着核心服务已经部署成功。5. 第四步从公网访问你的创作室可选到上一步如果你只是在服务器本地或者同一个内网里访问那已经可以开始用了。但很多时候我们可能希望能在公司、家里或者用手机随时随地访问这个服务。这就需要用到“内网穿透”技术把部署在内网的服务暴露到公网上。这里我介绍一个非常简单易用的工具frp。它分为服务端frps和客户端frpc。我们需要一台有公网IP的服务器可以是便宜的云服务器作为服务端而我们刚刚部署了Flux Sea Studio的这台机器作为客户端。5.1 在公网服务器部署frp服务端登录你的公网服务器假设系统也是Ubuntu下载frp的发布版本。wget https://github.com/fatedier/frp/releases/download/v0.54.0/frp_0.54.0_linux_amd64.tar.gz解压并进入目录tar -zxvf frp_0.54.0_linux_amd64.tar.gz cd frp_0.54.0_linux_amd64我们需要配置服务端。编辑frps.toml文件如果不存在就新建一个nano frps.toml写入以下基本配置。其中bindPort是服务端监听的端口你需要确保服务器的防火墙开放了这个端口例如7000。bindPort 7000保存退出后以后台方式启动frp服务端nohup ./frps -c ./frps.toml frps.log 21 5.2 在Flux Sea Studio服务器部署frp客户端回到我们部署了Flux Sea Studio的服务器内网机器。同样下载并解压frp。wget https://github.com/fatedier/frp/releases/download/v0.54.0/frp_0.54.0_linux_amd64.tar.gz tar -zxvf frp_0.54.0_linux_amd64.tar.gz cd frp_0.54.0_linux_amd64编辑客户端配置文件frpc.tomlnano frpc.toml写入以下配置。你需要将serverAddr改为你公网服务器的IP地址serverPort改为服务端配置的端口7000。localPort是我们Flux Sea Studio服务的端口7860remotePort是公网服务器上用于访问的端口例如我们定为6000。serverAddr “你的公网服务器IP” serverPort 7000 [[proxies]] name “flux-web” type “tcp” localIP “127.0.0.1” localPort 7860 remotePort 6000保存退出后启动frp客户端nohup ./frpc -c ./frpc.toml frpc.log 21 现在你就可以通过http://你的公网服务器IP:6000来访问部署在内网的Flux Sea Studio服务了。无论你在哪里只要有网络就能打开浏览器使用它。6. 总结走完这一整套流程我们成功在Ubuntu 20.04上部署了Flux Sea Studio并且还配置了公网访问。回顾一下关键点其实就几个确保系统有NVIDIA驱动、给Docker配上GPU支持、用一条命令拉取运行官方镜像最后按需配置内网穿透。整个过程虽然步骤不少但每一步都是明确的命令操作跟着做下来难度并不大。部署完成后你就可以尽情探索Flux模型的图像生成能力了无论是测试不同的风格还是生成特定主题的图片这个本地部署的服务都能给你提供稳定、可控的环境。如果你在部署过程中遇到了问题可以多检查一下日志docker logs flux-sea-studio这个命令会是你的好帮手。大部分常见错误比如端口冲突、显卡驱动问题在日志里都会有体现。祝你玩得开心创作出更多有趣的作品获取更多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。
从零开始：在 Ubuntu 20.04 系统部署 Flux Sea Studio 完整指南
发布时间：2026/5/19 21:01:31
从零开始在 Ubuntu 20.04 系统部署 Flux Sea Studio 完整指南如果你对AI图像生成感兴趣特别是最近很火的Flux模型那么Flux Sea Studio这个工具你一定不想错过。它提供了一个非常直观的Web界面让你能轻松玩转Flux的各种图像生成能力。不过很多朋友卡在了第一步怎么把它部署到自己的服务器上今天这篇指南就是为你准备的。我们将手把手带你在一台全新的Ubuntu 20.04服务器上从零开始一步步把Flux Sea Studio跑起来。整个过程就像搭积木我会把每一步都拆解得清清楚楚即使你之前没怎么接触过服务器运维跟着做也能成功。1. 开始之前你需要准备什么在动手之前我们先看看需要哪些“食材”。这样你心里有数操作起来也更顺畅。首先你需要一台运行Ubuntu 20.04的服务器。可以是云服务器也可以是家里的旧电脑装的Ubuntu系统。服务器的配置建议至少是4核CPU、16GB内存并且最关键的是要有一块NVIDIA显卡。因为Flux模型依赖CUDA进行加速没有显卡的话生成图片会非常非常慢体验很差。其次你需要一个可以访问这台服务器的终端比如通过SSH连接。接下来的所有命令都是在终端里输入的。最后是网络环境。因为我们需要从网上下载Docker镜像和一些软件包所以请确保你的服务器能顺畅地访问网络。好了准备工作就这些是不是很简单接下来我们就进入正式的部署环节。2. 第一步为系统打好基础我们的服务器就像一块空地要盖房子运行Flux Sea Studio得先通水通电打好地基。这一步就是安装所有必要的系统软件和依赖。打开你的终端连接到服务器然后依次执行下面的命令。每执行完一条可以稍微等一下确保执行成功了再执行下一条。首先更新一下系统的软件包列表这能确保我们接下来安装的是最新版本的软件。sudo apt update更新完成后我们来安装一些基础工具比如用于管理软件包的curl、wget以及后续会用到的git。sudo apt install -y curl wget git接下来是一个非常重要的步骤安装Docker。Docker是一种容器技术可以把它理解成一个超级轻量级的虚拟机。Flux Sea Studio就是打包在Docker镜像里分发的用Docker来运行它可以避免复杂的环境配置问题。我们通过Docker官方提供的一键安装脚本来安装这样最省事。curl -fsSL https://get.docker.com -o get-docker.sh sudo sh get-docker.sh安装完成后把当前用户加入到docker用户组。这样以后运行Docker命令就不需要每次都加sudo了更方便。sudo usermod -aG docker $USER注意执行完上面这条命令后你需要完全退出当前的SSH会话然后重新登录一次这个用户组的变更才会生效。你可以直接关闭终端再重新连接。重新登录后可以运行下面的命令测试一下Docker是否安装成功。如果能看到Docker的版本信息就说明没问题。docker --version地基部分到这里就差不多了。我们安装了Docker这个核心工具为后续拉取和运行镜像做好了准备。3. 第二步搞定显卡驱动与CUDAFlux模型生成图片是个重计算活全靠显卡GPU来加速。要让Docker容器里的程序能调用你服务器上的显卡我们需要确保两件事服务器本身安装了正确的NVIDIA驱动并且Docker具备了使用GPU的能力。3.1 检查NVIDIA驱动首先检查一下你的服务器是否已经安装了NVIDIA显卡驱动。运行下面的命令nvidia-smi如果这个命令能运行并且显示出了你的显卡型号、驱动版本以及GPU的使用情况表格像下面这样那就恭喜你驱动已经装好了可以直接跳到3.2小节。----------------------------------------------------------------------------- | NVIDIA-SMI 470.182.03 Driver Version: 470.182.03 CUDA Version: 11.4 | |--------------------------------------------------------------------------- | GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC | | Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. | || | 0 NVIDIA GeForce ... On | 00000000:01:00.0 Off | N/A | | 30% 45C P0 50W / 200W | 100MiB / 8192MiB | 0% Default | ---------------------------------------------------------------------------如果提示command not found说明还没有安装驱动。对于Ubuntu 20.04一个比较方便的方法是使用系统自带的“附加驱动”工具来安装。但由于我们是在无图形界面的服务器上可以通过下面的命令来安装。首先添加Ubuntu的官方显卡驱动PPA源并更新软件列表sudo add-apt-repository ppa:graphics-drivers/ppa -y sudo apt update然后查找当前系统推荐安装的驱动版本ubuntu-drivers devices在输出结果中找到推荐版本通常后面会标有recommended。假设推荐版本是nvidia-driver-470则安装它sudo apt install -y nvidia-driver-470安装完成后需要重启服务器才能使驱动生效。sudo reboot重启并重新登录后再次运行nvidia-smi命令应该就能看到显卡信息了。3.2 安装NVIDIA Container Toolkit光有驱动还不够我们需要让Docker容器也能访问GPU。这就需要安装NVIDIA Container Toolkit。首先添加NVIDIA的软件仓库和GPG密钥distribution$(. /etc/os-release;echo $ID$VERSION_ID) \ curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \ curl -s -L https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.list | \ sed s#deb https://#deb [signed-by/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g | \ sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list接着更新软件包列表并安装工具包sudo apt update sudo apt install -y nvidia-container-toolkit安装完成后需要配置Docker使用我们刚安装的NVIDIA运行时。sudo nvidia-ctk runtime configure --runtimedocker最后重启Docker服务让配置生效。sudo systemctl restart docker现在我们可以做一个终极测试验证Docker是否真的能调用GPU。运行一个官方的NVIDIA CUDA测试镜像docker run --rm --gpus all nvidia/cuda:11.8.0-base-ubuntu20.04 nvidia-smi如果这个命令成功运行并且输出的显卡信息和你直接在系统里运行nvidia-smi的结果一致那么恭喜你显卡环境这一最复杂的部分已经完美配置完成4. 第三步拉取并运行Flux Sea Studio镜像基础环境和显卡都配置好后终于到了主角登场时刻。我们将从CSDN星图镜像广场拉取Flux Sea Studio的镜像并运行它。CSDN星图镜像广场提供了很多预置好的AI应用镜像Flux Sea Studio就是其中之一这省去了我们自己从零构建镜像的麻烦。直接使用docker run命令来拉取并启动容器。这个命令有点长我把它拆开解释一下-itd让容器在后台运行。--gpus all将宿主机的所有GPU都分配给这个容器使用。-p 7860:7860将容器内部的7860端口映射到宿主机的7860端口。Flux Sea Studio的Web界面就是通过这个端口访问的。--name flux-sea-studio给容器起个名字方便后续管理。最后是镜像地址。在终端中执行以下命令docker run -itd --gpus all -p 7860:7860 --name flux-sea-studio csdn/staroid/flux-sea-studio:latest执行后Docker会开始从网络拉取镜像。镜像大小有几个GB根据你的网速需要等待一段时间。你可以通过下面的命令查看拉取进度docker logs -f flux-sea-studio当你在日志中看到类似Running on local URL: http://0.0.0.0:7860这样的信息时就说明容器已经启动成功了。现在打开你的浏览器访问http://你的服务器IP地址:7860。如果一切顺利你就能看到Flux Sea Studio的Web界面了这意味着核心服务已经部署成功。5. 第四步从公网访问你的创作室可选到上一步如果你只是在服务器本地或者同一个内网里访问那已经可以开始用了。但很多时候我们可能希望能在公司、家里或者用手机随时随地访问这个服务。这就需要用到“内网穿透”技术把部署在内网的服务暴露到公网上。这里我介绍一个非常简单易用的工具frp。它分为服务端frps和客户端frpc。我们需要一台有公网IP的服务器可以是便宜的云服务器作为服务端而我们刚刚部署了Flux Sea Studio的这台机器作为客户端。5.1 在公网服务器部署frp服务端登录你的公网服务器假设系统也是Ubuntu下载frp的发布版本。wget https://github.com/fatedier/frp/releases/download/v0.54.0/frp_0.54.0_linux_amd64.tar.gz解压并进入目录tar -zxvf frp_0.54.0_linux_amd64.tar.gz cd frp_0.54.0_linux_amd64我们需要配置服务端。编辑frps.toml文件如果不存在就新建一个nano frps.toml写入以下基本配置。其中bindPort是服务端监听的端口你需要确保服务器的防火墙开放了这个端口例如7000。bindPort 7000保存退出后以后台方式启动frp服务端nohup ./frps -c ./frps.toml frps.log 21 5.2 在Flux Sea Studio服务器部署frp客户端回到我们部署了Flux Sea Studio的服务器内网机器。同样下载并解压frp。wget https://github.com/fatedier/frp/releases/download/v0.54.0/frp_0.54.0_linux_amd64.tar.gz tar -zxvf frp_0.54.0_linux_amd64.tar.gz cd frp_0.54.0_linux_amd64编辑客户端配置文件frpc.tomlnano frpc.toml写入以下配置。你需要将serverAddr改为你公网服务器的IP地址serverPort改为服务端配置的端口7000。localPort是我们Flux Sea Studio服务的端口7860remotePort是公网服务器上用于访问的端口例如我们定为6000。serverAddr “你的公网服务器IP” serverPort 7000 [[proxies]] name “flux-web” type “tcp” localIP “127.0.0.1” localPort 7860 remotePort 6000保存退出后启动frp客户端nohup ./frpc -c ./frpc.toml frpc.log 21 现在你就可以通过http://你的公网服务器IP:6000来访问部署在内网的Flux Sea Studio服务了。无论你在哪里只要有网络就能打开浏览器使用它。6. 总结走完这一整套流程我们成功在Ubuntu 20.04上部署了Flux Sea Studio并且还配置了公网访问。回顾一下关键点其实就几个确保系统有NVIDIA驱动、给Docker配上GPU支持、用一条命令拉取运行官方镜像最后按需配置内网穿透。整个过程虽然步骤不少但每一步都是明确的命令操作跟着做下来难度并不大。部署完成后你就可以尽情探索Flux模型的图像生成能力了无论是测试不同的风格还是生成特定主题的图片这个本地部署的服务都能给你提供稳定、可控的环境。如果你在部署过程中遇到了问题可以多检查一下日志docker logs flux-sea-studio这个命令会是你的好帮手。大部分常见错误比如端口冲突、显卡驱动问题在日志里都会有体现。祝你玩得开心创作出更多有趣的作品获取更多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。
