InvokeAI

Запустите профессиональный набор инструментов InvokeAI для Stable Diffusion с узловым холстом на GPU Clore.ai

InvokeAI — это профессиональный набор инструментов для Stable Diffusion с продвинутым редактором на основе узлов, полной поддержкой SDXL/SD1.5/SD2.x, ControlNet, IP-Adapter, управлением LoRA и отшлифованным веб-интерфейсом. Он разработан для художников и творческих профессионалов, которым нужен точный контроль над процессом генерации изображений. Высопроизводительные GPU CLORE.AI с большим объёмом видеопамяти позволяют запускать SDXL в полном разрешении с несколькими ControlNet одновременно.

Все примеры можно запустить на GPU-серверах, арендованных через CLORE.AI Marketplace.

Требования к серверу

Параметр	Минимум	Рекомендуется
ОЗУ	12 ГБ	32 ГБ+
Видеопамять (VRAM)	6 ГБ	12 ГБ+
Диск	40 ГБ	200 ГБ+
GPU	NVIDIA GTX 1060 6GB+	RTX 3090, RTX 4090, A100

Для SDXL (1024×1024) без компромиссов рекомендуется 12 ГБ VRAM. Для SD1.5 (512×512 или 768×768) достаточно 6 ГБ VRAM. Большее количество VRAM = выше разрешение, быстрее генерация и большее количество одновременно используемых ControlNet.

Быстрое развертывание на CLORE.AI

Docker-образ: ghcr.io/invoke-ai/invokeai:latest

Порты: 22/tcp, 9090/http

Переменные окружения:

Переменная	Пример	Описание
INVOKEAI_ROOT	/invokeai	Корневая директория для моделей и выводов

Пошаговая настройка

1. Арендуйте GPU-сервер на CLORE.AI

Перейдите на CLORE.AI Marketplace и найдите:

• Бюджетная творческая работа: RTX 3080/3090 (10–24 ГБ VRAM)

• Профессиональный SDXL: RTX 4090 (24 ГБ VRAM)

• Максимальное качество: A100 80GB — запуск нескольких моделей одновременно

2. Подключитесь по SSH к вашему серверу

ssh -p <PORT> root@<SERVER_IP>

3. Создайте структуру директорий InvokeAI

mkdir -p /root/invokeai

4. Скачайте Docker-образ InvokeAI

docker pull ghcr.io/invoke-ai/invokeai:latest

5. Запустите InvokeAI

Базовый запуск:

docker run -d \
  --name invokeai \
  --gpus all \
  -p 9090:9090 \
  -v /root/invokeai:/invokeai \
  -e INVOKEAI_ROOT=/invokeai \
  ghcr.io/invoke-ai/invokeai:latest \
  invokeai-web --host 0.0.0.0 --port 9090

С указанием пользовательского корня и увеличенных ресурсов:

docker run -d \
  --name invokeai \
  --gpus all \
  --shm-size 8g \
  -p 9090:9090 \
  -v /root/invokeai:/invokeai \
  -v /root/models:/root/models \
  -e INVOKEAI_ROOT=/invokeai \
  ghcr.io/invoke-ai/invokeai:latest \
  invokeai-web --host 0.0.0.0 --port 9090

С указанием конкретного GPU (на сервере с несколькими GPU):

docker run -d \
  --name invokeai \
  --gpus '"device=0"' \
  -p 9090:9090 \
  -v /root/invokeai:/invokeai \
  -e INVOKEAI_ROOT=/invokeai \
  -e CUDA_VISIBLE_DEVICES=0 \
  ghcr.io/invoke-ai/invokeai:latest \
  invokeai-web --host 0.0.0.0 --port 9090

6. Дождитесь инициализации

docker logs -f invokeai

Ищите в логах: Uvicorn running on http://0.0.0.0:9090

7. Доступ через HTTP-прокси CLORE.AI

Откройте панель управления CLORE.AI и найдите http_pub URL для порта 9090:

https://<order-id>-9090.clore.ai/

Это откроет полный веб-интерфейс InvokeAI в вашем браузере.

8. Скачайте вашу первую модель

В UI InvokeAI:

1. Нажмите Менеджер моделей (иконка куба в левой боковой панели)

2. Нажмите Add Model → HuggingFace

3. Вводите ID модели (например, stabilityai/stable-diffusion-xl-base-1.0)

4. Нажмите Add Model

Или скачайте напрямую с CivitAI:

1. Перейдите на Model Manager → Add Model → URL

2. Вставьте URL для загрузки с CivitAI

3. Установите тип модели (Checkpoint, LoRA и т.д.)

---

Примеры использования

Пример 1: Базовая генерация изображения через Web UI

1. Откройте InvokeAI по вашему CLORE.AI http_pub URL

2. Нажмите Текст в изображение в селекторе рабочего процесса

3. Введите промпт: "величественный дракон, сидящий на кристаллической горе, цифровое искусство, 4k"

4. Установите негативный промпт: "размыто, низкое качество, водяной знак"

5. Установите разрешение на 1024x1024 (SDXL) или 512x512 (SD1.5)

6. Нажмите Запустить

Пример 2: Использование канвы на основе узлов

Редактор рабочих процессов — фирменная функция InvokeAI:

1. Нажмите Workflows в верхней навигации

2. Нажмите Новый Workflow

3. Добавьте узлы: Text → Image, подключите к Save Image

4. Добавьте ControlNet узел для направленной генерации:

   • Правый клик → Add Node → ControlNet

   • Подключите ваше эталонное изображение

   • Выберите процессор: Canny, Depth, Pose, и т.д.

5. Нажмите Запустить чтобы запустить полный конвейер

Пример 3: Использование LoRA

1. Скачайте LoRA с CivitAI (через Model Manager → импорт по URL)

2. В панели генерации найдите LoRA раздел

3. Нажмите + и выберите вашу LoRA

4. Установите вес (обычно 0.5–1.0)

5. Добавьте триггерное слово в промпт (указано на странице модели CivitAI)

Пример промпта с триггером LoRA:

портрет женщины, <lora:detail-tweaker:0.8>, гиперреалистичный, студийное освещение

Пример 4: Использование IP-Adapter для переноса стиля

1. Включите IP-Adapter в панели генерации

2. Загрузите эталонное изображение стиля

3. Установите вес (0.5 = тонкое влияние, 1.0 = сильное влияние)

4. Генерируйте с любым промптом — результат будет соответствовать эталонному стилю

Пример 5: Использование API (без UI)

InvokeAI предоставляет REST API для программного использования:

import requests
import time
import base64

BASE_URL = "http://localhost:9090"  # или ваш CLORE.AI http_pub URL

# Перечислить доступные модели
models = requests.get(f"{BASE_URL}/api/v1/models").json()
print("Available models:", [m["name"] for m in models.get("items", [])])

# Поставить задание в очередь генерации
payload = {
    "batch": {
        "graph": {
            "nodes": {
                "text_encoder": {
                    "type": "compel",
                    "id": "text_encoder",
                    "prompt": "футуристический город на закате, фотореализм",
                },
                "noise": {
                    "type": "noise",
                    "id": "noise",
                    "width": 1024,
                    "height": 1024,
                    "seed": 42,
                },
                "denoise_latents": {
                    "type": "denoise_latents",
                    "id": "denoise_latents",
                    "steps": 30,
                    "cfg_scale": 7.5,
                    "scheduler": "dpmpp_2m",
                },
                "l2i": {
                    "type": "l2i",
                    "id": "l2i",
                },
            },
            "edges": [],
        }
    }
}

# Проще: используйте очередь API
response = requests.post(f"{BASE_URL}/api/v1/queue/default/enqueue_batch", json=payload)
print(response.status_code)

---

Конфигурация

Файл конфигурации invokeai.yaml

Расположен в /root/invokeai/invokeai.yaml:

InvokeAI:
  Веб-сервер:
    host: 0.0.0.0
    port: 9090
    allow_origins: []
    
  Функции:
    esrgan: true          # масштабирование ESRGAN
    internet_available: true
    
  Память/Производительность:
    ram: 12.0             # Макс. ОЗУ для кэша моделей (ГБ)
    vram: 0.25            # Доля VRAM для кэша моделей
    lazy_offload: true    # Выгружать модели на CPU, когда не используются
    
  Пути:
    models_path: /invokeai/models
    db_path: /invokeai/databases/invokeai.db
    outdir: /invokeai/outputs

Рекомендуемые настройки по GPU

RTX 3090 / 4090 (24 ГБ VRAM):

Память/Производительность:
  ram: 24.0
  vram: 0.5   # Оставлять 50% для активной модели
  lazy_offload: false  # Не выгружать — достаточно VRAM

RTX 3080 (10 ГБ VRAM):

Память/Производительность:
  ram: 16.0
  vram: 0.25
  lazy_offload: true

Меньшие GPU (6-8 ГБ VRAM):

Память/Производительность:
  ram: 8.0
  vram: 0.1
  lazy_offload: true

---

Советы по производительности

1. Используйте SDXL-Turbo или SDXL-Lightning для быстрой генерации

Вместо SDXL base (25–50 шагов) используйте:

• SDXL-Turbo: 1–4 шага, генерация в реальном времени

• SDXL-Lightning: 4–8 шагов, качество, близкое к SDXL

Скачивание через Model Manager → HuggingFace:

• stabilityai/sdxl-turbo

• ByteDance/SDXL-Lightning

2. Выберите подходящий планировщик (scheduler)

Scheduler	Качество	Скорость	Лучше всего для
euler_a	Хорошо	Быстро	Общее использование
dpmpp_2m	Отлично	Быстро	Фотореалистичные результаты
dpmpp_2m_sde	Отлично	Средне	Высокая детализация
ddim	Хорошо	Быстро	Инпейтинг
lms	Хорошо	Быстро	Художественные стили

3. Включите оптимизацию памяти xFormers

InvokeAI включает это автоматически, когда доступно. Проверьте в логах:

xFormers is available

4. Используйте кэширование моделей

Держите наиболее используемые модели в кэше. В invokeai.yaml:

ram: 32.0  # Больше = больше кэшированных моделей

5. Используйте тайлинг для больших разрешений

Для изображений больше, чем позволяет ваша VRAM (например, 2048×2048 на GPU с 12 ГБ):

• Используйте Tiled VAE в редакторе рабочего процесса

• Или генерируйте в 1024×1024, затем увеличьте с помощью ESRGAN

---

Устранение неполадок

Проблема: "CUDA out of memory"

RuntimeError: CUDA out of memory

Решения:

1. Понизить разрешение (1024→768 или 512)

2. Уменьшить размер батча до 1

3. Включить lazy offloading в invokeai.yaml

4. Использовать меньшую модель (SD1.5 вместо SDXL)

Проблема: Web UI недоступен

# Проверьте, запущен ли контейнер
docker ps | grep invokeai

# Проверьте логи на предмет ошибок
docker logs invokeai 2>&1 | tail -50

# Проверьте маппинг портов
docker port invokeai

Убедитесь, что порт 9090 указан в конфигурации портов вашего заказа CLORE.AI.

Проблема: скачивание модели внутри контейнера не удаётся

# Скачайте вручную через exec
docker exec -it invokeai bash
cd /invokeai/models/main
wget "https://civitai.com/api/download/models/XXX" -O mymodel.safetensors

Проблема: медленная генерация (< 1 ит/с)

• Проверьте загрузку GPU: docker exec -it invokeai nvidia-smi

• Убедитесь, что xFormers включен в логах

• Попробуйте euler_a scheduler (самый быстрый)

Проблема: чёрные/повреждённые изображения

Обычно проблема с VAE. Попробуйте:

1. Менеджер моделей → Редактировать модель → Поменять VAE на sdxl-vae-fp16-fix

2. Или добавить --fp32-vae флаг

Проблема: контейнер не запускается

docker logs invokeai
# Часто: порт 9090 уже используется
# Решение:
docker stop $(docker ps -q --filter "publish=9090")
docker start invokeai

---

Ссылки

• GitHub

• Документация

• Docker Hub / GHCR

• CivitAI (модели)

• CLORE.AI Marketplace

---

Рекомендации по GPU от Clore.ai

Сценарий использования	Рекомендуемый GPU	Примерная стоимость на Clore.ai
Разработка/Тестирование	RTX 3090 (24GB)	~$0.12/gpu/hr
Продакшн	RTX 4090 (24GB)	~$0.70/gpu/hr
Крупномасштабно	A100 80GB	~$1.20/gpu/hr

💡 Все примеры в этом руководстве можно развернуть на Clore.ai GPU-серверах. Просматривайте доступные GPU и арендуйте по часам — без обязательств, с полным root-доступом.