Fooocus项目Docker部署指南：GPU加速的AI图像生成环境配置

前言

Fooocus是一个基于现代AI技术的图像生成工具，它提供了简单易用的界面和强大的图像生成能力。本指南将详细介绍如何使用Docker Compose快速部署Fooocus项目，特别针对需要GPU加速的环境进行配置说明。

环境准备

在开始部署前，请确保您的系统满足以下要求：

• 已安装Docker和Docker Compose
• 具备NVIDIA显卡并已安装正确的驱动
• 已安装NVIDIA Container Toolkit

Docker Compose文件解析

数据卷配置

volumes:
  fooocus-data:

这里定义了一个名为fooocus-data的持久化数据卷，用于存储模型文件、配置文件以及生成结果等重要数据。使用数据卷可以确保容器重启后数据不会丢失。

服务配置

services:
  app:
    build: .
    image: ghcr.io/lllyasviel/fooocus

服务名为app，使用当前目录的Dockerfile构建镜像，同时指定了预构建的官方镜像地址。这种双重配置提供了灵活性：既可以使用本地构建的镜像，也可以直接拉取预构建的镜像。

端口映射

ports:
 - "7865:7865"

将容器内部的7865端口映射到主机的7865端口，这是Fooocus的默认Web界面访问端口。

环境变量配置

环境变量部分包含了Fooocus运行所需的各种路径配置：

environment:
  - CMDARGS=--listen    # Arguments for launch.py.
  - DATADIR=/content/data   # Directory which stores models, outputs dir
  - config_path=/content/data/config.txt
  - config_example_path=/content/data/config_modification_tutorial.txt
  - path_checkpoints=/content/data/models/checkpoints/
  - path_loras=/content/data/models/loras/
  - path_embeddings=/content/data/models/embeddings/
  - path_vae_approx=/content/data/models/vae_approx/
  - path_upscale_models=/content/data/models/upscale_models/
  - path_inpaint=/content/data/models/inpaint/
  - path_controlnet=/content/data/models/controlnet/
  - path_clip_vision=/content/data/models/clip_vision/
  - path_fooocus_expansion=/content/data/models/prompt_expansion/fooocus_expansion/
  - path_outputs=/content/app/outputs/

这些环境变量定义了：

1. 启动参数(--listen表示允许外部访问)
2. 数据目录位置
3. 各种模型文件的存储路径(包括检查点、LoRA模型、嵌入、VAE近似等)
4. 输出目录位置

特别需要注意的是path_outputs的注释说明：输出目录必须位于/content/app下才能查看历史记录。

数据卷挂载

volumes:
  - fooocus-data:/content/data
  #- ./models:/import/models   # Once you import files, you don't need to mount again.
  #- ./outputs:/import/outputs  # Once you import files, you don't need to mount again.

这里将之前定义的fooocus-data卷挂载到容器的/content/data目录。注释部分提供了可选的外部目录挂载方式，用于初始导入模型和输出文件。

GPU资源配置

tty: true
deploy:
  resources:
    reservations:
      devices:
        - driver: nvidia
          device_ids: ['0']
          capabilities: [compute, utility]

这部分配置确保了容器能够使用GPU资源：

1. tty: true保持终端交互能力
2. 指定使用NVIDIA驱动
3. 使用设备ID为0的GPU(可根据实际情况修改)
4. 声明需要的计算能力

部署步骤

1. 将上述配置保存为docker-compose.yml文件
2. 在终端中导航到包含该文件的目录
3. 运行命令：docker-compose up -d
4. 等待容器启动完成后，通过浏览器访问http://localhost:7865

常见问题解决

1. GPU无法识别：确保已正确安装NVIDIA驱动和NVIDIA Container Toolkit
2. 端口冲突：修改ports配置中的主机端口号
3. 模型文件缺失：将模型文件放入对应的挂载目录中
4. 权限问题：确保Docker有权限访问挂载的目录

性能优化建议

1. 对于多GPU系统，可以修改device_ids以使用更多GPU
2. 根据模型大小调整Docker的内存限制
3. 对于生产环境，考虑使用更高效的存储后端替代默认的数据卷

结语

通过Docker Compose部署Fooocus项目可以大大简化环境配置过程，特别是对于需要GPU加速的场景。本文提供的配置已经考虑了大多数使用场景，您可以根据实际需求进一步调整参数。正确配置后，Fooocus将能够充分利用您的硬件资源，提供高效的AI图像生成服务。