HunyuanDiT

环境要求

• Linux 系统（README 仅提供 Linux 安装指南）
• Conda 环境（README 提供 environment.yml）
• CUDA 11.7 或 12.0 以上（flash-attention 需 CUDA 11.6 以上）
• NVIDIA GPU（Docker 方式需 --gpus all）

安装与启动步骤

1. 1克隆代码仓库

   把 HunyuanDiT 仓库拉取到本地并进入项目目录，后续所有命令都在该目录内执行。

   git clone https://github.com/tencent/HunyuanDiT
   cd HunyuanDiT

   复制

2. 2创建 Conda 环境

   README 说明仓库自带 environment.yml 用于创建 Conda 环境，但节选中未给出完整 conda 创建命令，请按官方 Conda 文档执行。

3. 3安装 pip 依赖

   安装 requirements.txt 中列出的全部依赖，建议在刚创建的 Conda 环境内执行。

   python -m pip install -r requirements.txt

   复制

4. 4安装 flash attention

   可选加速项，要求 CUDA 11.6 以上，安装失败不影响基础推理，可跳过。

   python -m pip install git+https://github.com/Dao-AILab/flash-attention.git@v2.1.2.post3

   复制

5. 5或用 Docker 启动

   README 也提供 Docker 方式。注意命令末尾的 docker_image_tag 需换成你实际导入的镜像标签，节选中未给出镜像下载链接与导入命令。

   docker run -dit --gpus all --init --net=host --uts=host --ipc=host --name hunyuandit --security-opt=seccomp=unconfined --ulimit=stack=67108864 --ulimit=memlock=-1 --privileged docker_image_tag

   复制

6. 6创建权重目录

   在项目根目录创建 ckpts 目录用于存放模型权重，是运行 demo 的前置条件。

   mkdir ckpts

   复制

7. 7运行快速推理

   按 README 的 lite 快速开始脚本，用中文提示词生成图像，模型 id、提示词、步数、引导系数通过变量传入。

   model_id=Tencent-Hunyuan/HunyuanDiT-v1.2-Diffusers-Distilled
   prompt=一个宇航员在骑马
   infer_steps=50
   guidance_scale=6
   python3 lite/inference.py ${model_id} ${prompt} ${infer_steps} ${guidance_scale}

   复制

关键配置

如何确认成功

执行 python3 lite/inference.py 后无报错退出，并在输出目录看到生成的图像文件。

常见问题

注意事项

• README 节选中 Conda 环境创建与 Docker 镜像下载/导入命令被省略，请以仓库最新 README 为准。
• Docker 命令中的 docker_image_tag 是占位符，必须替换成你实际导入的镜像标签。
• 快速开始脚本里的 model_id 用的是 HunyuanDiT-v1.2-Diffusers-Distilled，官方另有 HuggingFace 权重页可参考。
• 更多 lite 用法见仓库 lite/README.md。