DeOldify快速部署教程：基于Ubuntu系统的环境搭建详解
你是不是也见过那些把老照片、黑白电影瞬间变成彩色高清画面的神奇效果？那种仿佛让时光倒流，为历史重新上色的技术，总是让人惊叹。今天，我们就来聊聊实现这种效果的利器——DeOldify，并手把手教你在Ubuntu系统上，把它快速、稳定地跑起来。
DeOldify是一个基于深度学习的开源项目，专门用于给黑白图像和视频上色。它背后的技术原理虽然复杂，但好在社区提供了非常便捷的部署方式。对于开发者或者技术爱好者来说，最头疼的往往不是理解算法，而是搞定那些繁琐的环境依赖和配置冲突。别担心，这篇教程就是为你准备的。
我们将完全基于Ubuntu系统，利用成熟的容器化技术，绕开那些令人抓狂的Python包版本冲突、CUDA环境配置等问题。整个过程就像搭积木一样清晰，即使你对Docker不太熟悉，跟着步骤走也能顺利完成。我们的目标很简单：让你在半小时内，拥有一个可以随时调用的“老照片上色”服务。
1. 准备工作：理清思路与检查环境
在开始敲命令之前，我们先花几分钟，搞清楚我们要做什么，以及确保你的“施工场地”符合要求。这能避免很多中途折返的麻烦。
1.1 你需要准备什么
首先，明确一下这次部署的“蓝图”：
- 目标：在Ubuntu服务器上，通过Docker容器运行DeOldify的Web服务。
- 核心方法：使用预构建的Docker镜像。这相当于我们直接拿到了一个已经装好所有软件、配置好所有环境的“精装房”，只需要把它“放置”到我们的服务器上并“通电”即可。这是最省心、最不容易出错的方式。
- 最终成果：一个可以通过浏览器访问的本地网页。你上传一张黑白照片，点击按钮，就能得到一张自动上色的彩色照片。
接下来，看看你的“施工场地”——Ubuntu系统，需要满足哪些最低要求：
- 操作系统：Ubuntu 20.04 LTS 或 22.04 LTS。这是长期支持版本，社区支持最好，教程兼容性也最强。你可以通过命令
lsb_release -a来查看你的系统版本。 - 硬件：最重要的是GPU。DeOldify的模型推理比较消耗算力，使用GPU（尤其是NVIDIA GPU）能获得数十倍甚至上百倍的速度提升。没有GPU虽然也能用CPU运行，但处理一张图片可能需要几分钟到十几分钟，体验会大打折扣。你可以用
lspci | grep -i nvidia命令检查是否有NVIDIA显卡。 - 软件：Docker和NVIDIA Container Toolkit。前者是容器引擎，后者是让Docker容器能使用宿主机器GPU的“桥梁”。这是我们教程的核心依赖。
1.2 关键依赖安装与验证
假设你的Ubuntu是全新的，我们一步步来安装和验证这些关键软件。
第一步：安装DockerDocker的安装已经非常标准化。打开你的终端，依次执行以下命令：
# 更新软件包列表 sudo apt update # 安装一些必要的工具，允许apt通过HTTPS使用仓库 sudo apt install -y apt-transport-https ca-certificates curl software-properties-common # 添加Docker的官方GPG密钥 curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /usr/share/keyrings/docker-archive-keyring.gpg # 设置稳定版Docker仓库 echo "deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/docker-archive-keyring.gpg] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null # 再次更新，并安装Docker引擎 sudo apt update sudo apt install -y docker-ce docker-ce-cli containerd.io # 将当前用户添加到docker组，避免每次都要用sudo（操作后需要退出终端重新登录生效） sudo usermod -aG docker $USER安装完成后，验证一下：
docker --version如果看到类似Docker version 24.0.7, build afdd53b的输出，说明安装成功。
第二步：安装NVIDIA Container Toolkit要让Docker容器能用上GPU，这是必须的一步。确保你的NVIDIA显卡驱动已经安装好（通常使用Ubuntu的“附加驱动”或从NVIDIA官网安装）。
# 添加NVIDIA容器工具包的仓库 distribution=$(. /etc/os-release;echo $ID$VERSION_ID) curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg curl -s -L https://nvidia.github.io/libnvidia-container/$distribution/libnvidia-container.list | sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list # 安装工具包 sudo apt update sudo apt install -y nvidia-container-toolkit # 配置Docker使用NVIDIA作为默认运行时 sudo nvidia-ctk runtime configure --runtime=docker sudo systemctl restart docker验证GPU在Docker中是否可用：
# 运行一个测试容器，查看GPU信息 docker run --rm --gpus all nvidia/cuda:11.8.0-base-ubuntu22.04 nvidia-smi如果这个命令成功执行，并打印出了和你直接在宿主机上运行nvidia-smi类似的GPU信息表格，那么恭喜你，最复杂的依赖环境已经完美就绪了！
2. 核心步骤：拉取与运行DeOldify镜像
环境准备好后，剩下的就是“一键式”操作了。我们将使用一个维护良好的第三方Docker镜像，它集成了DeOldify项目及其Web界面。
2.1 拉取Docker镜像
在终端中执行以下命令。这个镜像体积较大（约几个GB），包含了模型文件，所以下载需要一些时间，请耐心等待。
docker pull jolibrain/deoldify:latestdocker pull命令会从Docker Hub仓库下载指定的镜像。jolibrain/deoldify是一个比较流行的封装版本。下载进度条走完，镜像就躺在你的本地仓库里了。
2.2 启动DeOldify服务
镜像拉取成功后，我们就可以启动容器了。这里我们通过映射端口的方式，将容器内的服务暴露给宿主机。
docker run -d --gpus all -p 8501:8501 --name deoldify-service jolibrain/deoldify:latest我们来拆解一下这个命令：
-d：让容器在后台运行。--gpus all：将宿主机的所有GPU资源分配给这个容器。这是上色任务加速的关键。-p 8501:8501：端口映射。格式是宿主机端口:容器内端口。这里我们把容器内部的8501端口映射到宿主机的8501端口。--name deoldify-service：给这个容器起个名字，方便后续管理（比如停止、重启）。jolibrain/deoldify:latest：指定要运行的镜像名称和标签。
执行命令后，它会返回一个长长的容器ID。你可以用下面的命令查看容器是否在正常运行：
docker ps你应该能看到一个名为deoldify-service的容器，状态（STATUS）显示为Up（比如Up About a minute）。
2.3 访问Web界面
服务启动后，打开你Ubuntu服务器上的浏览器（如果服务器没有桌面环境，你需要在同一局域网内的另一台电脑上操作，用服务器的IP地址访问）。
在浏览器地址栏输入：
http://localhost:8501或者（如果你从其他机器访问）：
http://<你的Ubuntu服务器IP地址>:8501如果一切顺利，你将看到一个简洁的Web界面。通常，它会有一个上传图片的区域，一些渲染强度、艺术风格等选项，以及一个“着色”（Colorize）或“提交”（Submit）按钮。
3. 常见问题与故障排查
即使步骤再详细，在实际操作中也可能遇到一些小波折。这里我总结几个常见的问题和解决方法。
3.1 端口冲突或无法访问
问题：浏览器访问localhost:8501显示无法连接。排查：
- 检查容器状态：运行
docker ps，确认deoldify-service容器是否在运行（Status为Up）。如果没有，运行docker logs deoldify-service查看容器日志，通常错误信息会直接显示出来。 - 检查端口占用：宿主机8501端口可能被其他程序占用。用
sudo netstat -tulpn | grep :8501查看。如果被占用，可以在docker run命令中更换端口，例如-p 8502:8501，然后通过http://localhost:8502访问。 - 防火墙设置：如果从远程访问，确保Ubuntu服务器的防火墙放行了8501端口。
sudo ufw allow 8501/tcp sudo ufw reload
3.2 GPU相关错误
问题：容器启动失败，日志中出现Could not load dynamic library ‘libcudnn.so.8‘或类似CUDA、cuDNN找不到的错误。排查：
- 确认驱动和工具包：首先确保宿主机
nvidia-smi命令能正常输出。然后确认nvidia-container-toolkit已正确安装（见1.2节第二步）。 - 镜像CUDA版本不匹配：Docker镜像内置的CUDA/cuDNN版本可能与你的驱动版本不兼容。可以尝试拉取指定CUDA版本的镜像，或者更新宿主机NVIDIA驱动到更新版本。
- 重新配置运行时：有时配置可能没生效，尝试重启Docker服务并重新配置。
sudo systemctl restart docker sudo nvidia-ctk runtime configure --runtime=docker --force sudo systemctl restart docker
3.3 容器运行缓慢或无响应
问题：Web界面能打开，但上传图片后处理极慢，或者直接卡住。排查：
- 确认GPU是否被使用：在容器运行过程中，另开一个终端，运行
nvidia-smi。查看进程列表里是否有python或类似进程，并且GPU显存使用率是否上升。如果没有，说明容器可能退回到了CPU模式。检查启动命令是否包含了--gpus all。 - 检查资源限制：如果服务器内存或CPU资源不足，也可能导致卡顿。可以用
docker stats命令查看容器的实时资源占用情况。 - 首次运行模型加载：第一次处理图片时，容器需要从网络下载预训练模型（如果镜像内未包含）。这可能会耗时几分钟，请耐心等待并观察容器日志
docker logs -f deoldify-service。
4. 基本使用与效果体验
服务跑起来后，我们来简单试试它的本事。通常Web界面会非常直观：
- 上传图片：点击“Upload”或拖拽区域，选择一张黑白或老照片（支持JPG、PNG等常见格式）。
- 调整参数（可选）：你可能会看到一些滑动条或选项，例如：
- 渲染因子：控制上色效果的强度。太低可能颜色淡，太高可能颜色溢出或不自然，一般保持默认或微调即可。
- 艺术风格：有些版本提供“艺术”、“稳定”、“视频”等模式，对应不同的模型，可以切换试试效果。
- 开始着色：点击“Colorize”或“Submit”按钮。
- 查看结果：等待几秒到几十秒（取决于图片大小和GPU性能），页面会显示并排的原始图与上色后的结果图。你可以下载保存彩色图片。
你可以多找几张不同类型的老照片试试——人物肖像、风景照、街景等，看看效果如何。DeOldify在大多数场景下表现都很出色，色彩还原自然，尤其是对天空、植物、肤色等常见物体的处理。
5. 管理你的DeOldify服务
最后，了解几个日常管理命令，让你用得更加得心应手：
- 停止服务：
docker stop deoldify-service - 启动服务：
docker start deoldify-service（用于重启已停止的容器） - 重启服务：
docker restart deoldify-service - 删除容器：如果你想彻底清理（镜像还会保留），
docker rm -f deoldify-service - 查看日志：
docker logs deoldify-service（查看历史日志），docker logs -f deoldify-service（实时跟踪日志，按Ctrl+C退出） - 进入容器：如果需要调试或查看内部文件，
docker exec -it deoldify-service /bin/bash
获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。
