FramePack部署（从PyCharm解释器创建和使用开始）保姆级教程
#工作记录
FramePack项目地址：
lllyasviel/FramePack: Lets make video diffusion practical!
建议使用GitHub Desktop进行克隆操作。
相较于传统的Git命令行工具，GitHub Desktop在各种网络环境下都展现出了显著的克隆稳定性优势，能够有效降低因网络波动或不稳定而引发的克隆失败风险，为用户提供更加顺畅、可靠的代码获取体验。
在GitHub项目网页：
或者我们可以复制克隆地址，通过命令行工具进行克隆操作：
用GitHub desktop克隆完项目之后，点击“Show in Explorer”（在资源管理器中显示）：
在文件夹空白的地方，按住键盘SHIFT键不放，同时鼠标点击右键：
选择“Open Folder as PyCharm Community Edition Project”（打开文件夹作为 PyCharm 社区版项目）：
PyCharm会自动检测有无虚拟环境，如果没有本地虚拟环境，PyCharm会自动进入虚拟环境的创建引导（根据文件夹中的requirements.txt 文件），可以点“取消”稍后处理，或者选择并确认“位置、基础解释器、依赖项文件”等信息，创建虚拟环境：
本地虚拟环境的创建位置确定之后，
选择并确认基础解释器（python路径），
点选到所需版本的python.exe文件，然后点“打开”
然后查看选中的python.exe路径是否正确：
确认路径和文件正确之后，点击窗口的“确定”，进入虚拟环境的创建流程：
根据网络状况，requirements.txt 文件内容也会同时安装
安装完成后右下角会有完成后的弹窗提醒，一般会自动配置为项目的解释器。
如果对步骤不放心，可以再次点击“配置Python解释器”
再次点选确认解释器
然后打开终端进入虚拟环境（PyCharm会自动激活虚拟环境）
为确认requirements.txt 文件的安装情况，可以再次运行以下命令确认：
pip install -r requirements.txt如果输出如下界面，则是requirements.txt 文件已正确安装：
升级一下pip和相关构建工具：
python.exe -m pip install --upgrade pip setuptools wheel
建议关闭终端后重新打开：
根据项目的README.MD文件中的指导，安装PyTorch，这里最好是到 PyTorch官方网站，确认一下符合自己系统的安装命令：
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126复制官方网站上的对应命令后回到PyCharm中的终端中粘贴后按回车键运行：
等待安装完成：
验证PyTorch的安装：
import torch # 导入 PyTorch 库print("PyTorch 版本：", torch.__version__) # 打印 PyTorch 的版本号# 检查 CUDA 是否可用，并设置设备（"cuda:0" 或 "cpu"）
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print("设备：", device) # 打印当前使用的设备
print("CUDA 可用：", torch.cuda.is_available()) # 打印 CUDA 是否可用
print("cuDNN 已启用：", torch.backends.cudnn.enabled) # 打印 cuDNN 是否已启用# 打印 PyTorch 支持的 CUDA 和 cuDNN 版本
print("支持的 CUDA 版本：", torch.version.cuda)
print("cuDNN 版本：", torch.backends.cudnn.version())# 创建两个随机张量（默认在 CPU 上）
x = torch.rand(5, 3)
y = torch.rand(5, 3)# 将张量移动到指定设备（CPU 或 GPU）
x = x.to(device)
y = y.to(device)# 对张量进行逐元素相加
z = x + y# 打印结果
print("张量 z 的值：")
print(z) # 输出张量 z 的内容 
安装其他依赖：
安装依赖库
-
虽然这些依赖库可能不是直接必须的，但为了确保程序的完整功能，建议安装它们：
安装xformers
pip install xformers
安装flash-attn
直接使用pip命令可能会无法完成安装，请访问以下网页，下载whl文件，移动到项目文件夹下，从本地安装：
Linux版本：
Dao-AILab/flash-attention：快速且节省内存的精确注意力
Windows版本：
Releases · kingbri1/flash-attention · GitHub
根据
CUDA版本（cu124）
torch版本（torch2.6）
Python版本（cp310）
选择：
pip install flash_attn-2.7.4.post1+cu124torch2.6.0cxx11abiFALSE-cp310-cp310-win_amd64.whl
经实践，似乎CUDA版本和torch版本不完全匹配，也能顺利安装flash-attn。
安装 Triton
pip install triton-windows
验证 triton的安装：
python -c "import triton; print(triton.__version__)"
安装sage-attn
pip install sageattention 
huggingface访问设置
申请令牌：
https://huggingface.co/settings/tokens
操作步骤如下：
-
前往 Hugging Face 的网站：
打开浏览器，访问 https://huggingface.co/settings/tokens。 -
登录账户并生成访问令牌：
如果尚未登录 Hugging Face 账户，请先登录，然后点击 “New token” 按钮，创建一个新的访问令牌，建议权限选择为：-
Read：如果你只需要下载模型、数据集。
-
Write 或 Admin：如果你需要上传或管理模型等内容。
-
-
复制访问令牌：
生成后，点击复制按钮，保存令牌。 -
返回命令行窗口：
huggingface-cli login在命令提示符下，右键粘贴你的 token（输入不可见是正常现象），然后按 Enter。
-
成功后我们会看到登录确认信息，例如：
Token is valid (user: your-username) Your token has been saved to F:\Users\YourName\.huggingface\token
这就完成了 CLI 的登录认证。
(.venv) PS F:\PythonProjects\FramePack> huggingface-cli login
_| _| _| _| _|_|_| _|_|_| _|_|_| _| _| _|_|_| _|_|_|_| _|_| _|_|_| _|_|_|_|
_| _| _| _| _| _| _| _|_| _| _| _| _| _| _| _|
_|_|_|_| _| _| _| _|_| _| _|_| _| _| _| _| _| _|_| _|_|_| _|_|_|_| _| _|_|_|
_| _| _| _| _| _| _| _| _| _| _|_| _| _| _| _| _| _| _|
_| _| _|_| _|_|_| _|_|_| _|_|_| _| _| _|_|_| _| _| _| _|_|_| _|_|_|_|To log in, `huggingface_hub` requires a token generated from https://huggingface.co/settings/tokens .
Token can be pasted using 'Right-Click'.
Enter your token (input will not be visible):
Add token as git credential? (Y/n) Y
Token is valid (permission: fineGrained).
The token `stable_video_diffusion_img2vid.ipynb` has been saved to C:\Users\love\.cache\huggingface\stored_tokens
Your token has been saved in your configured git credential helpers (manager).
Your token has been saved to C:\Users\love\.cache\huggingface\token
Login successful.
The current active token is: `stable_video_diffusion_img2vid.ipynb`
升级Gradio
确认你已经安装的是最新版本的 Gradio：
pip install --upgrade gradio如果出现Gradio相关错误，请先卸载后安装回Gradio==5.23.0
pip uninstall gradio
pip install gradio==5.23.0运行程序：
首次运行将会从huggingface下载一些模型文件，请保持网络畅通，可以开启瓦特工具箱(Steam++官网) - Watt Toolkit，以加速访问huggingface：
python demo_gradio.py
然后点击生成的链接即可访问。
后续由于时间原因没有继续调试，请见谅。欢迎交流。