InvokeAI

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

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

Все примеры можно запускать на GPU-серверах, арендованных через маркетплейс CLORE.AI.

Требования к серверу

Параметр	Минимум	Рекомендуется
ОЗУ	12 ГБ	32 ГБ+
VRAM	6 ГБ	12 ГБ+
Диск	40 ГБ	200 ГБ+
GPU	NVIDIA GTX 1060 6 ГБ+	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. Чем больше VRAM, тем выше разрешение, быстрее генерация и больше ControlNet одновременно.

Быстрое развертывание на CLORE.AI

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

Порты: 22/tcp, 9090/http

Переменные среды:

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

Пошаговая настройка

1. Арендуйте GPU-сервер на CLORE.AI

Перейдите на маркетплейс CLORE.AI и ищите:

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

• Профессиональный SDXL: RTX 4090 (24 ГБ VRAM)

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

2. Подключитесь к серверу по SSH

ssh -p <PORT> root@<SERVER_IP>

3. Создайте структуру каталогов 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 пользовательским корнем и увеличенными ресурсами:

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 конкретным GPU (сервер 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: Uvicorn запущен на 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 свою первую модель

В интерфейсе InvokeAI:

1. Нажмите Менеджер моделей (значок куба на левой боковой панели)

2. Нажмите Добавить модель → HuggingFace

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

4. Нажмите Добавить модель

Или скачайте непосредственно с CivitAI:

1. Перейдите на Менеджер моделей → Добавить модель → URL

2. Вставьте URL загрузки CivitAI

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

---

Примеры использования

Пример 1: Базовая генерация изображений через веб-интерфейс

1. Откройте InvokeAI по вашему URL http_pub CLORE.AI

2. Нажмите Текст в изображение в селекторе рабочих процессов

3. Введите промпт: "могущественный 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 холста на основе узлов

Редактор рабочих процессов — фирменная функция InvokeAI:

1. Нажмите Рабочие процессы в верхней навигации

2. Нажмите Новый рабочий процесс

3. Добавьте узлы: Текст → Изображение, подключите к Сохранить изображение

4. Добавьте ControlNet узел для управляемой генерации:

   • Щёлкните правой кнопкой → Добавить узел → ControlNet

   • Подключите ваше эталонное изображение

   • Выберите процессор: Canny, Глубина, Поза, и т. д.

5. Нажмите Запустить для запуска полного пайплайна

Пример 3: Использование LoRA

1. Скачайте LoRA с CivitAI (через Менеджер моделей → импорт по URL)

2. В панели генерации найдите LoRA раздел

3. Нажмите + и выберите свою 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:

portrait of a woman, <lora:detail-tweaker:0.8>, hyperrealistic, studio lighting

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 = слабое влияние, 1.0 = сильное влияние)

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

Пример 5: Использование API (без интерфейса)

InvokeAI предоставляет REST API для программного использования:

import requests
import time
import base64

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

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

# Добавить генерацию в очередь
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 API очереди
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 модели (ГБ)
    vram: 0.25            # Доля VRAM для кэша модели
    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   # Оставить 50% для активной модели
  lazy_offload: false  # Не выгружать — VRAM достаточно

RTX 3080 (10 ГБ VRAM):

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

Более слабые 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 базового SDXL (25–50 шагов) используйте:

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

• SDXL-Lightning: 4–8 шагов, качество почти как у SDXL

Скачайте через Менеджер моделей → HuggingFace:

• stabilityai/sdxl-turbo

• ByteDance/SDXL-Lightning

2. Выберите правильный scheduler

Планировщик	Качество	Скорость	Лучше всего для
euler_a	Хорошо	Быстро	Общее использование
dpmpp_2m	Отлично	Быстро	Фотореалистичный
dpmpp_2m_sde	Отлично	Средне	Высокая детализация
ddim	Хорошо	Быстро	Инпейнтинг
lms	Хорошо	Быстро	Художественные стили

3. Включите оптимизацию памяти xFormers

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

xFormers доступен

4. Используйте кэширование моделей

Оставляйте наиболее часто используемые модели в кэше. В invokeai.yaml:

ram: 32.0  # Больше = больше моделей в кэше

5. Используйте тайлинг для больших разрешений

Для изображений, которые превышают доступную VRAM (например, 2048×2048 на GPU с 12 ГБ):

• Используйте Tiled VAE в редакторе рабочих процессов

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

---

Устранение неполадок

Проблема: «CUDA out of memory»

RuntimeError: CUDA out of memory

Решения:

1. Уменьшите разрешение (1024→768 или 512)

2. Уменьшите размер батча до 1

3. Включите ленивую выгрузку в invokeai.yaml

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

Проблема: веб-интерфейс недоступен

# Проверьте, запущен ли контейнер
docker ps | grep invokeai

# Проверьте журналы на наличие ошибок
docker logs invokeai 2>&1 | tail -50

# Проверьте сопоставление портов
docker port invokeai

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

Проблема: загрузка модели внутри контейнера завершается неудачей

# 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 it/s)

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

• Убедитесь, что xFormers включён в логах

• Попробуйте euler_a планировщик (самый быстрый)

Проблема: чёрные/битые изображения

Обычно это проблема VAE. Попробуйте:

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

2. Или добавьте --fp32-vae флаг

Проблема: контейнер не запускается

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

---

Ссылки

• GitHub

• Документация

• Docker Hub / GHCR

• CivitAI (модели)

• маркетплейс CLORE.AI

---

Рекомендации по GPU для Clore.ai

Сценарий использования	Рекомендуемый GPU	Оценочная стоимость на Clore.ai
Разработка/тестирование	RTX 3090 (24 ГБ)	$0.07–0.21/гпу/ч
Продакшен	RTX 4090 (24 ГБ)	$0.14–0.42/гпу/ч
Масштабирование	A100 80 ГБ	голое железо

💡 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.