阿里wan2.1本地部署

1.安装虚拟环境,

a) 安装python-3.11.8
b)在本地目录运行

-  python -m venv Wan2.1-env
-  cd Scripts
-  activate


2.下载代码
git clone https://github.com/Wan-Video/Wan2.1.git
cd Wan2.1


3.安装依赖库
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu124

4.安装flash

检查本地显卡GPU是否支持flash,如果不支持能安装成功,但是跑视频会失败。
pip install flash_attn-2.7.4.post1+cu124torch2.6.0cxx11abiFALSE-cp311-cp311-win_amd64.whl


5.安装依赖库
pip install -r requirements.txt


6.下载模型
pip install modelscope

modelscope download Wan-AI/Wan2.1-T2V-1.3B --local_dir ./Wan2.1-T2V-1.3B

7.生成视频
python generate.py  --task t2v-1.3B --size 832*480 --ckpt_dir ./Wan2.1-T2V-1.3B --offload_model True --t5_cpu --sample_shift 8 --sample_guide_scale 6 --prompt "两只迷你可爱小猫咪,背景在中式花园,黄白相间的毛发" --save_file  D:\wan2.1\out.mp4

 8.出现报错RuntimeError: FlashAttention only supports Ampere GPUs or newer.

说明显卡不支持。

 


 

### 关于WAN 2.1本地配置问题解决方案 对于在Windows环境下部署通义万相Wan2.1模型并进行视频生成任务遇到的问题,可以遵循以下指导来排查和解决问题[^1]。 #### 故障排除流程 当面对无法启动服务的情况时,建议先确认环境变量设置是否正确以及Python版本是否兼容。通常推荐使用虚拟环境来进行项目开发,这样能够有效隔离不同项目的依赖关系,减少冲突的可能性。 如果遇到安装特定库失败的情形,则需注意检查pip源地址是否正常工作,并尝试更换国内镜像站点加速下载速度;另外还需确保操作系统已安装必要的编译工具集如Visual C++ Build Tools等。 针对硬件加速方面的问题,比如CUDA驱动不匹配导致GPU计算能力未能被充分利用,应当依据显卡型号前往NVIDIA官方网站获取最新版驱动程序完成更新操作。 对于具体错误提示信息中的`ImportError`或`ModuleNotFoundError`类异常,往往是因为缺少某些第三方模块所致。此时可通过阅读官方文档了解所需全部外部包清单,并逐一验证它们的存在状态。 最后,在执行推理过程中若碰见内存溢出报错,除了考虑降低批处理大小外,还可以探索优化算法参数设定以缓解资源占用压力。 ```bash # 创建并激活虚拟环境 python -m venv wan_env .\wan_env\Scripts\activate.bat # 安装基础依赖项 pip install --upgrade pip pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple/ pip install -r requirements.txt ``` #### 日志分析技巧 日志文件是定位故障根源的重要线索之一。一般情况下,应用程序会在运行目录下自动生成`.log`结尾的日志记录文本。通过查阅这些日志内容可以帮助快速锁定出现问题的具体位置及其上下文背景信息。 为了便于后续维护人员理解情况,可以在提交技术支持请求前整理好相关日志片段作为附件上传给对方审阅。同时附带描述清楚现象发生的时间节点、触发条件以及其他可能影响因素。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值