Magic-TryOn 在 Windows + Python 3.12 下的完整部署实录

日期：2025-11-28

环境：Windows 11 22H2 / Python 3.12.0 / CUDA 12.1 / PyTorch 2.2.0

---

一、前置条件

组件 版本 备注
OS Windows 11 22H2 家庭版/专业版均可
Python 3.12.0 官方 embed 或 Miniconda，务必使用 venv
CUDA Toolkit 12.1+ 与 PyTorch cu121 对应
VS Build Tools 2022 工作负载：使用 C++ 的桌面开发
显卡驱动 ≥536.xx 支持 CUDA 12.1

---

二、创建虚拟环境（CMD 一行）

python -m venv .venv
.venv\Scripts\activate

---

三、安装 PyTorch + CUDA 运行时

pip install torch==2.2.0+cu121 torchvision==0.17.0+cu121 torchaudio==2.2.0+cu121 --index-url https://download.pytorch.org/whl/cu121

验证：

验证PyTorch深度学习环境Torch和CUDA还有cuDNN是否正确配置的命令

python -c "import torch, detectron2._C; print('PyTorch:', torch.__version__, 'CUDA:', torch.cuda.is_available())"

或更严谨的验证命令：

# 进入python控制台后执行
import torch  # 导入 PyTorch 库
 
print("PyTorch 版本：", torch.__version__)  # 打印 PyTorch 的版本号
 
# 检查 CUDA 是否可用，并设置设备（"cuda:0" 或 "cpu"）
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print("设备：", device)  # 打印当前使用的设备
print("CUDA 可用：", torch.cuda.is_available())  # 打印 CUDA 是否可用
print("cuDNN 已启用：", torch.backends.cudnn.enabled)  # 打印 cuDNN 是否已启用
 
# 打印 PyTorch 支持的 CUDA 和 cuDNN 版本
print("支持的 CUDA 版本：", torch.version.cuda)
print("cuDNN 版本：", torch.backends.cudnn.version())
 
# 创建两个随机张量（默认在 CPU 上）
x = torch.rand(5, 3)
y = torch.rand(5, 3)
 
# 将张量移动到指定设备（CPU 或 GPU）
x = x.to(device)
y = y.to(device)
 
# 对张量进行逐元素相加
z = x + y
 
# 打印结果
print("张量 z 的值：")
print(z)  # 输出张量 z 的内容

输出示例：

PyTorch: 2.2.0+cu121
CUDA avail: True

或：

PyTorch 版本： 2.2.0+cu121
设备： cuda:0
CUDA 可用： True
cuDNN 已启用： True
支持的 CUDA 版本： 12.1
cuDNN 版本： 8801
张量 z 的值：
tensor([[1.3825, 0.5124, 0.9801],
        [1.1469, 0.3382, 1.5669],
        [0.5873, 1.6614, 0.5503],
        [1.3494, 1.0184, 1.7245],
        [0.3083, 0.7974, 1.0805]], device='cuda:0')

---

四、处理 requirements.txt 的 Windows 不兼容项

官方文件直接 pip install -r 会报

• detectron2 克隆安装失败
• flash-attn 无 wheel
• nvidia-nccl-cu12 不存在

修改策略：

1. 注释掉 detectron2 @ git+... → 后面源码编译
2. 注释掉 flash-attn==x.x.x → 后面手动装 wheel
3. 注释掉 nvidia-nccl-cu12==x.x.x → Windows 无此包
4. 注释掉 conda-xxx / libmambapy 等 Conda 专属包
5. 其余严格 == 且报 无此版本 的，改成 >= 或去掉版本号
6. 遇到安装不了的需按输出日志逐一排查修改

节选修改后示例：

# 原行
# detectron2 @ git+https://github.com/facebookresearch/detectron2.git
# flash-attn==2.8.3
# nvidia-nccl-cu12==2.19.3

# 修改后
flash-attn   # 后面手动装
# nvidia-nccl-cu12  直接删除

一键安装剩余依赖：

pip install -r requirements.txt --no-deps

---

五、手动安装两大“硬骨头”

1. flash-attn 本地 wheel

环境 对应文件名
原理：邻近版本向下兼容，具体教程详见参考链接
CUDA 12.2 + PyTorch 2.2 + Python 3.12 flash_attn-2.5.9.post1+cu122torch2.2.2cxx11abiFALSE-cp312-cp312-win_amd64.whl

下载后本地安装：

pip install flash_attn-2.5.9.post1+cu122torch2.2.2cxx11abiFALSE-cp312-cp312-win_amd64.whl

2. detectron2 源码编译

git clone https://github.com/facebookresearch/detectron2.git
cd detectron2

关键修改（关闭 CUDA 版本校验）：
原理：关闭 CUDA 版本校验，具体教程详见参考链接
在 setup() 前插入：

import torch.utils.cpp_extension as _cpp_ext
_cpp_ext._check_cuda_version = lambda *a, **k: None

编译：

pip install -e . --no-build-isolation

---

六、下载 Magic-TryOn 14B 权重

作者命令（Linux）：

HF_ENDPOINT=https://hf-mirror.com huggingface-cli download LuckyLiGY/MagicTryOn --local-dir ./weights/MagicTryOn_14B_V1

Windows CMD 写法：

set HF_ENDPOINT=https://hf-mirror.com
pip install hf-xet
hf download LuckyLiGY/MagicTryOn --local-dir ./weights/MagicTryOn_14B_V1

输出示例（末尾）：

Fetching 16 files: 100%|████████████████| 16/16 [1:45:37<00:00, 396.11s/it]
G:\PythonProjects2\Magic-TryOn\weights\MagicTryOn_14B_V1

---

七、最终验证（CMD 一行）

python -c "import torch,detectron2._C,os; print('PyTorch:',torch.__version__, 'CUDA:',torch.cuda.is_available()); print('Detectron2 C++:', 'OK' if hasattr(detectron2,'_C') else 'FAIL'); os.system('pause')"

期望输出：

PyTorch: 2.2.0+cu121
CUDA: True
Detectron2 C++: OK
Press any key to continue . . .

---

八、跑通单张图试衣（可选）

python inference\image_tryon\predict_image_tryon_customize.py ^
  --image_path assets\person.jpg ^
  --clothe_path assets\cloth.jpg ^
  --output_dir .\results ^
  --resize 512

出现 Save result to ... 且 results\*.jpg 正常 → 部署成功！

---

九、参考链接（单独一行引用）

• Magic-TryOn 官方仓库：https://github.com/vivoCameraResearch/Magic-TryOn

• Windows 编译 Detectron2 记录：https://aicity.blog.csdn.net/article/details/155343673

• Windows 安装 flash_attn 记录：https://aicity.blog.csdn.net/article/details/147641550

• Windows 无法安装 nvidia-nccl-cu12 探索：https://aicity.blog.csdn.net/article/details/155359186

---

十、结语

至此，Magic-TryOn 在 Windows + Python 3.12 + CUDA 12.1 环境部署完成。

你可以继续：

• 用 Gradio 包一层 WebUI
• 批量视频推理
• 自己微调/训练

祝玩得开心，欢迎转发收藏！