企业官网建设流程全解析

跑通IOPaint AI图像修复从零到去水印的完整路径

【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

IOPaint 是一款开源的 AI 图像修复工具，用 SOTA 模型擦除图片里的人、物体、水印，也能修复老照片、用扩散模型替换画面内容。它适合设计师、摄影师，以及所有想在自己电脑上免费跑 AI 图像修复的新手。本文带你走完「拉代码 → 装依赖 → 启动 WebUI → 批量处理」全流程。

装之前花 1 分钟确认这 3 件事

先看硬性条件，不达标后面都会卡住：

其中内存这条最容易被忽略：默认配置下模型会加载完整预训练参数，空闲内存低于 4GB 时启动就会 OOM（内存爆了）。

python -V # 确认 Python 版本，需 3.8 以上 nvidia-smi # 有 NVIDIA 显卡就看看驱动，没有可跳过

两条命令 1 分钟跑完，输出没有报错就可以进入下一步。

三步跑通 IOPaint AI 图像修复：拉代码、装依赖、首次启动

第一步：拉代码。我们先把仓库克隆到本地：

git clone https://gitcode.com/GitHub_Trending/io/IOPaint cd IOPaint

✅ 当前目录出现IOPaint文件夹（里面有iopaint/、web_app/、assets/）就算成功。⚠️ 卡在这里通常是网络不稳，换网络环境或稍后重试即可。

第二步：装依赖。在项目根目录执行：

# 有 NVIDIA 显卡的话，先装 CUDA 11.8 版的 PyTorch（去 PyTorch 官网选版本安装） pip install -r requirements.txt # 安装后端全部依赖 pip install iopaint # 安装 IOPaint 命令行工具

✅ pip 结尾输出Successfully installed即可。这里的关键是requirements.txt锁定了 diffusers 等核心库版本，手动升级依赖容易出兼容问题，建议原样安装。⚠️ 下载超时多半是网络问题，给 pip 配置一个国内镜像源再重试。

第三步：首次启动。

# 用 LaMa 模型 + CPU 启动 WebUI，端口 8080 python main.py start --model lama --device cpu --port 8080

✅ 浏览器打开http://localhost:8080，左侧传图、右侧画掩码、点修复出结果，整个 WebUI 可用就算跑通。首次启动会自动下载模型，等进度走完即可；想改模型存放位置可以加--model-dir参数。

跑通后你可以直接试仓库自带的素材，下面就是同一张图在 IOPaint 里的修复前后：

跑不动？对照这 2 类报错自查

CUDNN_STATUS_NOT_INITIALIZED：CUDA 与显卡不匹配

• 现象：指定 GPU 启动时直接报CUDNN_STATUS_NOT_INITIALIZED。
• 根因：项目配套的 PyTorch 2.1.2 对应 CUDA 11.8，装错了 torch 版本就会不兼容。
• 修复：

pip uninstall torch torchvision -y pip install torch==2.1.2 torchvision==0.16.2 python -c "import torch; print(torch.version.cuda)" # 应输出 11.8

关键是把 torch 版本钉死在 2.1.2，torch.version.cuda输不出或不是 11.8 就重装。

OOM：模型装不下内存

• 现象：启动或处理大图时报out of memory。
• 根因：空闲内存不够，默认会加载完整参数。
• 修复：

# 改用 CPU 启动，最稳 python main.py start --model lama --device cpu # 有 GPU 就只关浏览器等大内存程序，释放至少 4GB

改完重跑还不行，就到 iopaint/tests/ 里找对应的测试脚本单跑，能快速定位是模型、设备还是依赖的问题。

装好了别停：让 IOPaint 多干这 2 件事

批量处理：一整个文件夹的老照片一次修完

收益：不用一张张传图画掩码，一条命令跑完整个目录。

# 图片与掩码按文件名一一对应，结果输出到 output_dir iopaint run --model lama --device cpu \ --image /path/to/images \ --mask /path/to/masks \ --output output_dir

为什么这样配：--mask指向单个文件时，同一张掩码会套用到所有图片上，所以批量流程非常省事。

插件与换模型：掩码自动画、内容能替换

# 启动时启用 Segment Anything 插件，点选即可自动分割出掩码 iopaint start --enable-interactive-seg --interactive-seg-device cuda # 换扩散模型，支持按提示词替换物体、外扩画面 python main.py start --model sd --device cuda

取舍很简单：只要"擦干净"就用 LaMa + 交互式分割，快且省显存；要"换内容、扩图"才上 sd 等扩散模型，代价是显存和速度要求更高。插件源码都在 iopaint/plugins/，参数可以照着改。

接下来可以看看

• README.md：官方快速上手与全部模型、插件清单
• iopaint/model/：LaMa、Stable Diffusion 等修复模型的实现
• iopaint/plugins/：抠图、超分、人脸修复等插件源码
• scripts/user_scripts/：Windows 一键安装与启动脚本
• iopaint/tests/：内置测试用例，跑不动时拿来自查

跑起来之后，欢迎在 issue 区晒一下你的配置，大家互相参考。

【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