IOPaint Windows 完整安装指南：AI修图工具从体检到跑通的实操清单

IOPaint Windows 完整安装指南AI修图工具从体检到跑通的实操清单【免费下载链接】IOPaintImage inpainting tool powered by SOTA AI Model. Remove any unwanted object, defect, people from your pictures or erase and replace(powered by stable diffusion) any thing on your pictures.项目地址: https://gitcode.com/GitHub_Trending/io/IOPaintIOPaint 是一款开源 AI修图工具前身叫 Lama Cleaner能在本地把照片里的多余物体、人物、文字、水印擦掉还能用 Stable Diffusion 做擦除重绘。它的核心流程是本地 Python 环境装依赖 → 下载 AI 模型 → 起一个 Web 服务浏览器打开就能修图。本文按装前体检、提速、避坑、验收、进阶的顺序带你把 Windows 上的 IOPaint 顺利跑起来。装前体检3 分钟把环境摸清楚把脉四项Python、内存显卡、磁盘安装失败大多栽在这四项上动手前先各看一眼Python 版本IOPaint 要求 Python 3.73.103.10 最稳。终端里敲python --version如果输出 3.11、3.12直接装会在一堆编译依赖上报错。建议用 conda 单独开一个干净环境避免和系统里其他 Python 互相干扰。内存与显卡有 NVIDIA 显卡显存 4GB 以上体验最好纯 CPU 也能跑但扩散模型相关的功能会明显变慢。用nvidia-smi确认显卡能被识别、驱动版本不落后。磁盘空间依赖 模型加起来大约要 1020GB建议装在非系统盘并预留 30GB模型是下一次、长期存放的东西。网络IOPaint 的模型默认从 HuggingFace 下载国内网络直连经常超时这一点决定后面要不要换源先有心理准备。一条命令先探路与其装到一半才发现问题不如先用一条命令验证基础链路是否通python -c import torch; print(torch.__version__, torch.cuda.is_available())这条命令在装完 torch 后运行第二个值输出True说明 CUDA 可用输出False也不要慌说明当前是 CPU 模式后文会讲怎么确认。极速通道把下载和安装都提速换一条主路PyPI 国内镜像最耗时的环节是 pip 拉依赖。把默认源换成清华镜像主路通了以后绝大多数包的速度会有数量级差别这是提速的核心一条:: 优化前直连官方源慢且容易中断 pip install iopaint :: 优化后换成清华主源 腾讯备用源双路保障 pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple pip config set global.extra-index-url https://mirrors.cloud.tencent.com/pypi/simple pip install -U iopaint思路是一条主路 几条备用路清华源做主路extra-index 里的腾讯源做备用主源某个包缺失时 pip 会自动去备用源找不用手动切换。PyTorch 单独走 wheel 镜像PyTorch 本体超过 2GB是最大的一块石头PyPI 上只有 CPU 版。带 CUDA 的 wheel 要走 PyTorch 专用镜像官方脚本里用的是 cu118 版本和你的显卡驱动匹配:: 优化了什么用 PyTorch 官方指定版本 国内 wheel 镜像避免 2GB 大包反复断流 pip install torch2.1.2 torchvision0.16.2 --index-url https://mirror.sjtu.edu.cn/pytorch-wheels/cu118装好后回到上一条用torch.cuda.is_available()复验一次看到True即可。给模型和依赖各设一个本地仓库模型动辄几个 GB第二次装、换机器重装、多模型来回切换时缓存能省掉重复下载:: 优化了什么把 IOPaint 模型缓存和 pip 缓存固定到非系统盘重装不再重复下载 set IOP_MODEL_CACHED:\iopaint_cache\models set PIP_CACHE_DIRD:\iopaint_cache\pip设置成系统环境变量系统属性 → 环境变量后长期生效重启终端即可。避坑清单那些让安装卡住的隐形雷区版本与环境类Python 3.11/3.12 装不上信号是No matching distribution found for ...常见于 opencv、piexif 这类带编译步骤的包。化解回到 3.83.10conda create -n iopaint python3.10开新环境最省事。多个 Python 互相串味信号是pip指向了别的环境装完iopaint却找不到命令。化解where python确认路径全程只用 conda 环境里的那一份。显卡驱动太旧信号是nvidia-smi能显示但 torch 报 CUDA 初始化错误。化解先升级驱动torch 2.1.x 配 cu118 是稳妥组合。操作类在 PowerShell 里敲 bat 语法信号是set、echo这类命令提示无法识别。化解批处理命令在命令提示符里执行或者干脆用项目自带的scripts/user_scripts/win_setup_cn.bat、win_start_cn.bat它们已经把环境激活、换源、装依赖串成一条线了。路径含中文/空格信号是 conda activate 或 pip 报奇怪的编码错误。化解项目目录和缓存目录都放到纯英文路径下比如D:\iopaint。网络类模型下载中途断开信号是进度条停在 90% 附近后卡死。化解IOPaint 的模型下载支持续传式重试直接重跑下载命令即可不用清缓存从头来网络彻底不通的场景见下文离线安装。代理软件干扰信号是 pip 巨慢甚至 TLS 报错。化解挂代理时先确认代理能覆盖huggingface.co和 PyPI 域名否则临时关代理重试。启动与验证装完怎么确认它真的能用验收第一步起服务、开页面装完和能用之间还差一步。按交付验收的思路分三步走:: 优化了什么一条命令启动 IOPaint Web 服务并自动打开浏览器访问页 iopaint main默认在http://127.0.0.1:8080起服务端口可用--port调整纯 CPU 机器加--device cpu。浏览器能打开首页说明依赖、前端资源、后端接口都通了——这已经排除了八成安装问题。验收第二步看日志、跑最小用例先看启动日志终端第一屏会打印检测到的设备cuda 或 cpu、已下载的模型列表。看到设备是cuda而预期是cpu或反之按提示用--device显式指定。复验 torch日志里没有明显报错时再跑一次前文的torch.cuda.is_available()交叉确认。跑一个最小用例页面里上传一张小图用最基础的修复模型画一小块蒙版点执行。第一次会现下载该模型下完出图就算最小可用达成。出图了再逐步去试扩散模型、文字重绘这些进阶功能。插件依赖别漏页面里的增强类功能依赖插件包安装命令是iopaint install-plugins-packages建议装主程序时一并执行避免用到某个插件才报缺包。如果卡在任何一步把终端里的最后 20 行报错原样贴到项目 issue 里比只说装不上有效得多。更多参数可以查 docs/official.md各 AI 插件的实现位于 iopaint/plugins/ 目录报错信息里出现哪个插件名就去对应目录找线索。进阶玩法一个人用之外的场景批量修图与多机部署装好之后最直接的进阶是批处理IOPaint 提供命令行批量修复能力把一堆图和对应蒙版丢进目录一条命令跑完整个文件夹适合同一批图统一去水印这类活儿。多台电脑部署更省事的做法是一次装好、整体搬运在一台基准机上完成安装依赖 模型约 1520GB把整个安装目录和模型缓存目录打包拷贝到其他机器配置好 Python 环境后直接启动跳过全部下载环节。离线环境安装网络受限的场景内网、机房可以拆成两步先在一台能上网的机器上用pip download -r requirements.txt -d offline_packages把依赖全部拉到本地目录再连同 PyTorch wheel 和模型文件一起拷入离线机器用pip install --no-index --find-links offline_packages -U iopaint完成本地安装。注意离线包和在线源要版本对齐32 位系统不在支持范围内目标是 64 位 Windows。顺手的小技巧显存紧张时优先选小分辨率、少采样步数的参数组合扩散类模型是显存大头。不同版本的 IOPaint 用不同 conda 环境隔离互不干扰。模型放在IOP_MODEL_CACHE指向的目录里统一管理换机器时只搬这个目录。装到一半卡住、想加新模型源、或者希望官方脚本支持更多国内镜像都欢迎到项目讨论区交流或提交 issue 一起完善。安装路上最常见的两类问题——网络和版本——按前文清单对一遍基本都能绕过去。【免费下载链接】IOPaintImage inpainting tool powered by SOTA AI Model. Remove any unwanted object, defect, people from your pictures or erase and replace(powered by stable diffusion) any thing on your pictures.项目地址: https://gitcode.com/GitHub_Trending/io/IOPaint创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考