在Runpod上部署MAGI-1项目的完整指南

本文将详细介绍如何在Runpod云平台上部署MAGI-1项目，并解决常见的安装问题和配置错误。MAGI-1是一个基于PyTorch的多模态AI项目，需要特定的环境配置才能正常运行。

环境准备

首先需要设置基本环境变量和时区配置：

export HF_HOME=/workspace/
export TZ=America/Los_Angeles

创建Python虚拟环境并安装PyTorch基础包：

python -m venv venv
source /workspace/venv/bin/activate
pip install torch==2.4.0 torchvision==0.19.0 torchaudio==2.4.0

依赖安装

安装必要的系统工具和Python包：

apt-get update
apt-get install -y ffmpeg
pip install ffmpeg ffmpeg-python

克隆项目仓库并安装依赖：

git clone https://github.com/SandAI-org/MAGI-1
cd MAGI-1
pip install --upgrade wheel setuptools setuptools_scm packaging

特别注意flash-attn需要单独安装以避免挂起问题：

pip install flash-attn --no-build-isolation
sed -i '/flash-attn/d' requirements.txt
pip install -r requirements.txt --no-build-isolation

安装MagiAttention模块

MagiAttention是项目核心组件，安装时需要足够的内存资源：

git clone https://github.com/SandAI-org/MagiAttention
cd MagiAttention
git submodule update --init --recursive
pip install --no-build-isolation .
cd ../

模型下载与配置

使用huggingface-cli高效下载所需模型：

pip install --upgrade huggingface_hub[hf_transfer]
export HF_HUB_ENABLE_HF_TRANSFER=1

对于4.5B模型：

huggingface-cli download sand-ai/MAGI-1 \
  --local-dir ./downloads/t5_pretrained/t5-v1_1-xxl \
  --include "ckpt/t5/t5-v1_1-xxl/*" \
  --local-dir-use-symlinks False
huggingface-cli download sand-ai/MAGI-1 \
  --local-dir ./downloads/vae \
  --include "ckpt/vae/*" \
  --local-dir-use-symlinks False
huggingface-cli download sand-ai/MAGI-1 \
  --local-dir ./downloads/4.5B_base \
  --include "ckpt/magi/4.5B_base/*" \
  --local-dir-use-symlinks False

整理下载的模型文件：

mv ./downloads/t5_pretrained/t5-v1_1-xxl/ckpt/t5/t5-v1_1-xxl/* ./downloads/t5_pretrained/t5-v1_1-xxl/
mv ./downloads/vae/ckpt/vae/* ./downloads/vae/
mv ./downloads/4.5B_base/ckpt/magi/4.5B_base/* ./downloads/4.5B_base/

常见问题解决

1. CUDA设备设置：4.5B模型的run.sh脚本中需要将CUDA_VISIBLE_DEVICES设置为0而非1

2. 24B模型配置：

   • distill和fp8字段应设为false
   • cfg_number必须设置为3

3. ffmpeg安装：必须同时通过apt-get和pip安装才能正常工作

4. 内存问题：安装MagiAttention时至少需要H100级别的内存资源

持久化存储配置

当使用持久化存储时，每次启动需要重新设置环境：

export HF_HOME=/workspace/
export TZ=America/Los_Angeles
source /workspace/venv/bin/activate
apt-get update
apt-get install -y ffmpeg
pip install ffmpeg-python
cd /workspace/MAGI-1

通过以上步骤，可以确保MAGI-1项目在Runpod平台上正确部署和运行。对于不同的模型规模，只需调整相应的下载和配置参数即可。