diffusion-pipe

环境要求

• Linux 环境，需有 NVIDIA GPU 与可用的 CUDA 驱动
• 已安装 Miniconda（或 Anaconda）
• Git，用于克隆含子模块的仓库
• Python 3.12（通过 conda 创建的环境）
• 与显卡匹配的 PyTorch 与 CUDA 版本，例如 PyTorch 2.9.0 + CUDA 12.8

安装与启动步骤

1. 1克隆仓库

   必须带 --recurse-submodules，否则子模块缺失；仓库地址为 GitHub 上的 tdrussell/diffusion-pipe。

   git clone --recurse-submodules https://github.com/tdrussell/diffusion-pipe

   复制

2. 2补装子模块

   仅当你克隆时忘了加 --recurse-submodules 才需要执行，用于初始化并拉取子模块。

   git submodule init
   git submodule update

   复制

3. 3创建 conda 环境

   先按官方文档安装 Miniconda（https://docs.anaconda.com/miniconda/），再创建并激活 Python 3.12 环境。

   conda create -n diffusion-pipe python=3.12
   conda activate diffusion-pipe

   复制

4. 4安装 PyTorch

   PyTorch 不在 requirements 里，因为不同显卡需要不同 PyTorch/CUDA 组合，需自行选可用版本。

   pip install torch torchvision

   复制

5. 5安装 nvcc

   按 https://anaconda.org/nvidia/cuda-nvcc 安装，版本尽量与 PyTorch 所用 CUDA 版本保持一致。

6. 6安装项目依赖

   在已激活 diffusion-pipe 环境的前提下，安装仓库 requirements.txt 中列出的全部依赖。

   pip install -r requirements.txt

   复制

7. 7安装 Flash Attention

   可选步骤，flash-attn 不在 requirements 中，但部分模型需要它才能运行。

   pip install flash-attn

   复制

如何确认成功

conda activate diffusion-pipe 后依次导入 torch 与 requirements 中的依赖无报错，即表示环境安装成功。

常见问题

注意事项

• README 写于 2025-10-26 的参考组合：PyTorch 2.9.0 + CUDA 12.8，兼容 flash-attn 2.8.3
• 本项目为流水线并行训练脚本，需要多卡环境才能发挥降低单卡显存占用的效果
• 支持 SDXL、Flux、LTX-Video、HunyuanVideo、Wan2.2、Qwen-Image 等多种模型
• 训练配置需参考仓库中的示例 TOML 文件，README 节选中未给出具体路径与参数